Fue más de un año de trabajo para un equipo de estudiantes y académicos investigadores de Ingeniería y Astronomía de la Universidad de Concepción, pero con éxito lograron el objetivo de crear un algoritmo usando Inteligencia Artificial para diseñar un catálogo de morfología de galaxias y que, con certeza, será un gran aporte para el trabajo actual y futuro de profesionales que se dedican a las ciencias astronómicas.

Machine Learning

Y no es para menos, pues son múltiples las contribuciones, y la primera es el propio catálogo, que son una herramienta esencial para los astrónomos y el desarrollo de sus estudios, considerando que son incontables los objetos astronómicos que hay en el espacio y así también la información que se va recopilando de estos en la medida que se estudian. Pero, además, hay otros que agregan valor al proyecto en sí mismo y en el papel que éste puede jugar cuando en los próximos años lleguen nuevos telescopios a Chile y se reciban una cantidad mucho más grande de información astronómica que deba ser clasificada y procesada.

APORTES Y NOVEDADES

survey

Pero, en su opinión, lo más novedoso es que "el catálogo incorpora morfologías en 16 longitudes de onda, desde ultravioleta a infrarrojo, y generalmente, cuando se clasifican galaxias se hace con imágenes en color, que combinan tres longitudes de onda, o imágenes a una longitud de onda".

El algoritmo clasifica galaxias en cada longitud de onda y manifiesta que esto es "importante para caracterizar las poblaciones estelares de edades y composiciones químicas diferentes que se forman en las galaxias", pues las estrellas de una galaxia son de distintas edades y según su edad pueden ser luminosas a diferentes longitudes de onda y cuando se selecciona una longitud de onda sólo se ve una parte de la población estelar, por lo que esto permite ampliar la observación a más poblaciones de estrellas.

"Una galaxia puede cambiar su morfología (que puede ser elíptica, espiral o irregular) según cómo están distribuidas las estrellas de una cierta población", cuenta el experto, por lo que vislumbra que esto aporte a estudios relacionados a la dinámica, la formación estelar o procesos de interacción en las galaxias, por ejemplo.

MENOS EJEMPLOS,

MÁS TIEMPO

Trascendiendo a la Astronomía hay un aporte que Manuel Pérez recalca en relación a la IA. "Al usar el Machine Learning se necesita etiquetas. Por ejemplo, se usa una imagen y se le dice al modelo 'esta galaxia es espiral' o 'ésta elíptica', hasta que aprende a reconocer solo. En general, para que funcionen se requieren miles de ejemplos, pero la metodología que probamos usó etiquetas de otro telescopio como base de conocimiento para nuestro modelo, y con pocos ejemplos pudimos hacer que funcionara igual de bien", comenta.

Lo que destaca, sobre esto, es que si ya esta herramienta tecnológica reduce tiempo y mejora los procesos, las pruebas que realizaron puede optimizar más el trabajo en el entrenamiento de la máquina. Por ello, el desafío que ahora se ha propuesto es seguir indagando en esta área, buscando resultados fuera del campo astronómico.

Un monto de $212 millones fue el que se adjudicó un proyecto liderado por el doctor Serguei Alejandro Martín, académico del Departamento de Ingenierías en Maderas de la Universidad del Bío-Bío (UBB), mediante el VI Concurso de Equipamiento Científico y Tecnológico Fondequip de Conicyt, lo que permitirá incorpar nuevos equipos que potenciarán la investigación en torno al desarrollo de biocombustibles de segunda generación (gaseosos y líquidos), provenientes de la transformación de biomasa.

Y es que con los recursos se adquirirá un sistema de cromatografía gaseosa con tres dectores principales, el que se encuentra acoplado a un micropirolizador que permite realizar una transformación termoquímica de una pequeña cantidad de diferentes materiales lignocelulósicos, plásticos, neumáticos y otros de bajo interés comercial.

Al respecto y enfocándose en lo personal, Martín manifiesta que "este equipamiento de primer nivel me permitirá llevar a cabo experimentos con un alto nivel de automatización y un excelente nivel de detección analítica, lo que sin dudas elevará la calidad de las publicaciones científicas asociadas al grupo de investigación al que pertenezco", el que se llama NanoCatpPS (Nanomateriales y Catalizadores para Procesos Sustentables). Agrega que "de igual forma se potenciará el desarrollo de las actividades de investigación asociadas a la docencia de pregrado y postgrado del Departamento de Ingeniería en Maderas".

Sobre el objetivo principal de los equipos, detalla que será analizar la composición química de los gases resultantes y también se contempla profundizar en el estudio de la influencia de los diferentes catalizadores y nanomateriales en estos procesos, además de su caracterización y potenciales usos.

Vale la pena precisar que el equipamiento está asociado a iniciativas Fondecyt y Fondef que desarrollan académicos del Departamento de Ingenierías en Maderas UBB y de otras casas de estudio asociadas al proyecto, como las universidades Católica de Temuco y de la Santísima Concepción. Además, como es un proyecto de integración, se extenderá el uso del instrumental a otras casas de estudio y empresas de la Región interesadas en el desarrollo de productos que vayan en línea con la iniciativa.

Grupo de investigación

El doctor Serguei Martín, líder del proyecto que se adjudicó el Fondequip, pertenece al grupo NanoCatpPS, (http://nanocatpps.ubiobio.cl/).