1. Inicio
  2. / Ciencia y tecnología
  3. / «Mapeé Lo Invisible»: Estudiante Encuentra 1,5 Millón De Objetos Espaciales Perdidos Con Inteligencia Artificial
Tiempo de lectura 4 min de lectura Comentarios 0 comentarios

«Mapeé Lo Invisible»: Estudiante Encuentra 1,5 Millón De Objetos Espaciales Perdidos Con Inteligencia Artificial

Escrito por Fabio Lucas Carvalho
Publicado el 06/09/2025 a las 22:09
Com apoio do Caltech, jovem americano usa IA para analisar dados do telescópio NEOWISE e descobre 1,5 milhão de objetos espaciais inéditos.
Foto: Reprodução
¡Sé la primera persona en reaccionar!
Reaccionar al artículo

La astronomía vive de sorpresas, y muchas de ellas llegan de donde menos se espera. Entre telescopios gigantes y misiones millonarias, un estudiante de secundaria logró llamar la atención de la comunidad científica. Con inteligencia artificial, transformó datos olvidados en descubrimientos que revelan cuánto aún hay por explorar en el universo.

Un estudiante de secundaria de California sorprendió a la comunidad científica al usar inteligencia artificial para detectar más de 1,5 millones de objetos espaciales hasta entonces no identificados.

El trabajo, revisado por pares, fue publicado en el The Astronomical Journal, dándole credibilidad inmediata al descubrimiento.

Un pipeline de IA creado por un adolescente

Matteo Paz, residente de Pasadena, ingresó en 2022 a la Planet Finder Academy del Caltech, un programa que ofrece a jóvenes estudiantes experiencias reales con desafíos astronómicos. Allí, recibió orientación de Davy Kirkpatrick, científico del Centro de Procesamiento y Análisis de Infrarrojo (IPAC).

Tuvo acceso a datos del telescopio NEOWISE de la NASA, lanzado en 2009 para monitorear asteroides cercanos a la Tierra. Con más de una década de observaciones en infrarrojo del cielo entero, el acervo contenía información sobre miles de millones de fuentes de luz, muchas aún no analizadas.

El problema era la escala. El conjunto superaba 200 mil millones de líneas de observaciones. El equipo inicialmente consideró estudiar solo una fracción de forma manual. Paz, sin embargo, decidió buscar otra solución.

Tecnología aplicada a la astronomía

Con experiencia en matemáticas, programación y análisis de series temporales, el estudiante desarrolló un pipeline de aprendizaje automático para identificar señales sutiles ocultas en los datos. En solo seis semanas, logró montar un sistema capaz de reconocer fuentes de luz débiles y variables.

Según Kirkpatrick, los resultados surgieron casi de inmediato. A medida que el modelo se refinaba, los patrones se volvían más claros.

Identificación de fenómenos variables

El gran logro fue detectar objetos que parpadeaban, pulsaban o disminuían de intensidad. Este tipo de comportamiento puede indicar la presencia de cuásares, estrellas binarias eclipsantes o incluso supernovas.

Además, el algoritmo reveló señales que habían pasado desapercibidas en análisis anteriores. Algunas variables cambiaban de forma tan lenta o tan rápida que no se encuadraban en estudios convencionales.

El encuentro entre Big Data y Big Sky

Para lograr estos resultados, Paz aplicó técnicas como transformadas de Fourier y análisis wavelet. Estas herramientas permiten observar variaciones en señales a lo largo del tiempo y fueron fundamentales para lidiar con las limitaciones de muestreo del NEOWISE.

Durante meses, el estudiante trabajó junto a científicos como Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal y Matthew Graham. Juntos, aplicaron el modelo en toda la base de datos.

El esfuerzo resultó en un catálogo con más de 1,5 millones de fuentes variables, ahora documentado en un artículo científico. El lanzamiento público del catálogo está previsto para 2025.

Este material apoyará futuras observaciones con telescopios avanzados, como el Observatorio Vera Rubin y el Telescopio Espacial James Webb, permitiendo nuevos estudios sobre ciclos estelares y fenómenos cósmicos lejanos.

Una trayectoria en construcción

El descubrimiento cambió la rutina de Paz. Aún en secundaria, se convirtió en asistente de investigación remunerado en el IPAC, continuando a desarrollar su pipeline y entrenando a nuevos compañeros en la academia.

Su desempeño llama la atención porque utilizó habilidades normalmente vistas en nivel de posgrado. Entre ellas se encuentran la modelación de series temporales y el uso de algoritmos para interpretación de datos astronómicos.

Todo esto fue posible gracias a la Academia de Matemáticas del Distrito Escolar Unificado de Pasadena, un programa público riguroso que ofrece formación más allá del currículo tradicional.

Potenciales más allá de la astronomía

Aunque fue creado para analizar datos espaciales, el pipeline tiene aplicaciones en otras áreas. Cualquier conjunto que involucre variaciones temporales puede ser estudiado con la misma lógica.

Por lo tanto, campos como finanzas, monitoreo ambiental e incluso neurociencia pueden beneficiarse del enfoque. Pequeñas oscilaciones en series de datos a menudo contienen información crítica que escapa al análisis tradicional.

Esta versatilidad muestra cómo los métodos desarrollados para la astronomía pueden ser adaptados a diversos sectores. Es un ejemplo claro de cómo la ciencia interdisciplinaria crece apoyada por el aprendizaje automático.

Reconocimiento y estímulo

Para Kirkpatrick, apoyar a jóvenes con talento es esencial. Destacó que se asegura de que los estudiantes prometedores tengan las condiciones necesarias para alcanzar sus objetivos.

Ya Paz afirmó que ve en el trabajo un punto de partida. Cree que el pipeline puede ser expandido, trayendo descubrimientos tanto en el espacio como en áreas de la Tierra.

Un estudiante que desafió los límites

La trayectoria muestra cómo la curiosidad y el acceso a oportunidades pueden generar avances inesperados. Lo que comenzó como un desafío de verano se transformó en un catálogo gigantesco de información sobre el universo.

Y la frase que eligió para resumir el logro explica el impacto de la conquista: “Yo mapeé lo invisible.”

Suscribir
Notificar de
guest
0 Comentarios
Más reciente
Más viejo Más votado
Comentario
Ver todos los comentarios
Fabio Lucas Carvalho

Jornalista especializado em uma ampla variedade de temas, como carros, tecnologia, política, indústria naval, geopolítica, energia renovável e economia. Atuo desde 2015 com publicações de destaque em grandes portais de notícias. Minha formação em Gestão em Tecnologia da Informação pela Faculdade de Petrolina (Facape) agrega uma perspectiva técnica única às minhas análises e reportagens. Com mais de 10 mil artigos publicados em veículos de renome, busco sempre trazer informações detalhadas e percepções relevantes para o leitor.

Compartir en aplicaciones
0
Nos encantaría conocer tu opinión sobre este tema, ¡deja tu comentario!x