El mayor catálogo de imágenes astronómicas 3D de estrellas, galaxias y cuásares ha sido creado por un grupo de astrónomos de la Universidad de Hawái en el Instituto de Astronomía de Manoa (IfA).
El equipo utilizó datos del telescopio panorámico y del sistema de respuesta rápida de UH o Pan-STARRS1 (PS1) para descifrar cuáles de los 3.000 millones de objetos son estrellas, galaxias o quásares mediante nuevas herramientas computacionales.
Nuevas herramientas computacionales
Anteriormente, el mapa más grande del universo fue creado por Sloan Digital Sky Survey (SDSS), que cubre solo un tercio del cielo. Para lograrlo, los astrónomos tomaron medidas espectroscópicas disponibles públicamente que proporcionan clasificaciones y distancias de objetos definitivas, y las enviaron a un algoritmo de inteligencia artificial.
Este enfoque de inteligencia artificial o aprendizaje automático con una "red neuronal de retroalimentación" logró una precisión de clasificación general del 98,1% para las galaxias, el 97,8% para las estrellas y el 96,6% para los cuásares. Las estimaciones de distancia de la galaxia tienen una precisión de casi el 3%.
Tiene un tamaño aproximado de 300 GB y los usuarios científicos pueden consultar el catálogo a través de la interfaz SQL de MAST CasJobs o descargar la colección completa como una tabla legible. Según explica el autor principal del estudio, Robert Beck, ex becario postdoctoral de cosmología en IfA:
Utilizando un algoritmo de optimización de última generación, aprovechamos el conjunto de entrenamiento espectroscópico de casi 4 millones de fuentes de luz para enseñar a la red neuronal a predecir los tipos de fuentes y las distancias de las galaxias, mientras que al mismo tiempo corrigimos la extinción de la luz por el polvo en la vía Láctea.