Una red neuronal aprende a manejar telescopios mejor que los humanos

Especialistas de la Universidad Northwestern, la Universidad de Chicago y el Laboratorio Nacional de Aceleradores Fermi han desarrollado y probado un sistema de aprendizaje profundo que calcula y ajusta en tiempo real la programación de observaciones astronómicas según el clima y las fases lunares. El algoritmo se ha implementado en el marco del Instituto de Inteligencia Artificial para el Cielo SkAI en el telescopio de 4 metros Víctor Blanco, ubicado en el Observatorio Interamericano de Cerro Tololo, en Chile. Anteriormente, los operadores debían tener en cuenta manualmente la transparencia atmosférica y la luz lunar para evitar la sobreexposición de las imágenes, y en caso de error, la nueva sesión podía retrasarse meses debido a la competencia por el tiempo de observación. En lugar de reglas clásicas, los desarrolladores utilizaron aprendizaje por refuerzo, entrenando una red neuronal con datos del proyecto Dark Energy Survey. El modelo analizaba las acciones humanas y las comparaba con los archivos meteorológicos. Durante dos pruebas de funcionamiento en la cámara DECam, el algoritmo mostró una eficacia comparable a la de científicos cualificados. Los autores planean modificar el código para que el sistema busque trayectorias de observación no convencionales, que las personas ignoran debido a sesgos cognitivos. La automatización liberará tiempo de los astrónomos para analizar descubrimientos y ayudará a asignar eficientemente recursos de futuros observatorios, incluido el Observatorio Vera Rubin.