Este nuevo sistema de inteligencia artificial es capaz de clasificar miles de galaxias en segundos

Este nuevo sistema de inteligencia artificial es capaz de clasificar miles de galaxias en segundos
Sin comentarios

Los investigadores han usado arquitecturas de redes neuronales convolucionales (CNN) para desarrollar un nuevo sistema de inteligencia artificial que clasifica decenas de miles de galaxias en unos pocos segundos, un proceso que puede llevar meses realizar manualmente.

Los astrónomos clasifican las galaxias por forma para comprender cómo se forman y evolucionan.

Arquitectura CNN que supera los modelos anteriores

En última instancia, la técnica podría profundizar nuestra comprensión de cómo las galaxias se transforman con el tiempo. Según podemos leer en el estudio (preprint):

Las fortalezas clave de las técnicas de clasificación automatizadas, como nuestro enfoque de CNN, residen en última instancia en su velocidad y capacidad para generalizar. Aunque entrenar una CNN puede ser una tarea computacionalmente costosa, la velocidad con la que puede clasificar las galaxias una vez entrenadas es órdenes de magnitud mayor de lo que podría ser posible con la clasificación manual.

El equipo desarrolló una arquitectura de CNN que supera a los modelos existentes en la clasificación de las morfologías de las galaxias en esquemas de 3 clases (elíptica, lenticular, espiral) y 4 clases (+ irregular / misceláneo). Sus precisiones generales de clasificación fueron 83% y 81% respectivamente.

Los investigadores, además, afirman que el sistema podrá clasificar más de 100.000.000 de galaxias a diferentes distancias de la Tierra y en diferentes entornos. Según el autor principal del estudio, Mitchell Cavanagh, estudiante de doctorado en el Centro Internacional de Investigación en Radioastronomía (ICRAR):

Estas redes neuronales no necesariamente van a ser mejores que las personas porque están entrenadas por personas, pero se están acercando con más del 80% de precisión y hasta el 97% al clasificar entre elípticas y espirales. Si coloca a un grupo de astrónomos en una habitación y les pide que clasifiquen un montón de imágenes, es casi seguro que habrá desacuerdos. Esta incertidumbre inherente es el factor limitante en cualquier modelo de IA entrenado con datos etiquetados.

Temas
Inicio