El aprendizaje automático resuelve el misterio de las «parejas cósmicas»

Un innovador método basado en inteligencia artificial permite identificar con precisión los protagonistas de las fusiones de agujeros negros y estrellas de neutrones. Las ondas gravitacionales nunca habían contado tanto sobre el universo.

Por Enrique Coperías

Ilustración artística de un agujero negro y una estrella de neutrones en espiral hacia su fusión, que genera ondas gravitacionales que se propagan por el espacio-tiempo. Un fenómeno cósmico que revela secretos fundamentales del universo.

Desde que las ondas gravitacionales fueron detectadas por primera vez en 2015, se han convertido en una herramienta vital para los astrónomos. Estas ondas son ondulaciones en el tejido del espacio-tiempo provocadas por eventos cósmicos extremadamente violentos, como la fusión de agujeros negros o de estrellas de neutrones.

Predichas por Albert Einstein en su teoría de la relatividad general en 1915, estas ondas transportan energía en forma de radiación gravitacional, y se propagan a la velocidad de la luz. Las ondas gravitacionales son increíblemente sutiles: al llegar a la Tierra, estiran y comprimen el espacio de manera casi imperceptible, pero contienen información única sobre los fenómenos más extremos y lejanos del universo.

Así es, gracias a ellas, podemos estudiar fenómenos extremos del universo, poner a prueba los límites de la relatividad general y asomarnos a procesos cósmicos como es la fusión de objetos compactos: agujeros negros y estrellas de neutrones. Sin embargo, aunque los detectamos en parejas, surge una pregunta clave: ¿cómo sabemos cuál es cuál?

En manos del aprendizaje automático

Hasta ahora, los científicos seguían una convención sencilla: asignar el número 1 al objeto más pesado y el 2 al más ligero. Aunque parecía un método lógico, se vuelve problemático cuando las masas de ambos cuerpos son tan similares que, dentro del margen de error de los instrumentos, resulta imposible diferenciarlos con claridad.

Este pequeño detalle podría tener grandes consecuencias en la interpretación de los datos y en nuestras teorías vigentes sobre el universo.

Un estudio reciente, publicado en la revista Physical Review Letters y liderado por Davide Gerosa, de la Universidad de Milano-Bicocca, en Italia, nos planeta una solución revolucionaria. Su propuesta: abandonar los criterios rígidos de etiquetado y dejar que los propios datos nos indiquen la mejor manera de identificar a cada objeto. ¿Cómo? Usando técnicas avanzadas de aprendizaje automático. En palabras del astrofísico, «este proporciona una solución poderosa y basada en los datos».

Adiós a las decisiones arbitrarias

La clave del nuevo método es dejar de apoyarse en un solo parámetro, como la masa o el espín, para diferenciar cada objeto de la pareja cósmica. En lugar de ello, los astrofísicos analizan el conjunto completo de las distribuciones de datos obtenidas tras la detección de ondas gravitacionales. Esto permite que la separación entre los dos componentes sea natural y esté basada en patrones reales en los datos, no en decisiones arbitrarias.

Para lograrlo, enmarcaron el problema como un caso de clustering con restricciones, una técnica de aprendizaje automático semisupervisado que agrupa datos similares respetando ciertas condiciones. En este caso, la condición es que los dos objetos de un mismo evento deben pertenecer a categorías distintas.

"El punto clave es entender que la estrategia de etiquetado no es un hecho dado, sino una elección consciente que hacemos al analizar los datos —explica Gerosa. Y añade—: Es un problema conceptual que debería explorarse más a fondo, ya que afecta potencialmente a todas las aplicaciones posteriores».

El equipo probó su método tanto en datos sintéticos como reales, obtenidos de los observatorios LIGO, Virgo y KAGRA. Los resultados fueron espectaculares: la precisión en la medición de los giros de los agujeros negros mejoró hasta un 50%, y se eliminaron anomalías como distribuciones bimodales o colas estadísticas.

El evento de ondas gravitacionales GW191103_012549

Por ejemplo, en un sistema binario de dos agujeros negros con masas similares pero con diferencias claras en el espín, el método tradicional producía distribuciones de giro contaminadas y erráticas. En cambio, el nuevo enfoque revelaba mediciones más precisas, centradas y fiables.

Igualmente de eficaz se muestra en sistemas mixtos formados por un agujero negro y una estrella de neutrones. En este caso, la identificación se volvió más clara, y ayudó a distinguir cuál de los objetos era capaz de sufrir deformaciones a causa de fuerzas extremas.

Y aunque puede parecer que una corrección del 10% en las muestras no es significativa, la interpretación de los eventos cambia de manera drástica. Como ejemplo, el equipo analizó el evento GW191103_012549, una detección de ondas gravitacionales observada en 2019 por los detectores LIGO y Virgo.

El enfoque tradicional sugería un 13% de probabilidad de que uno de los agujeros negros girara en dirección opuesta a la órbita, lo que tiene implicaciones importantes sobre su origen. Sin embargo, aplicando el nuevo método, esa probabilidad bajaba a apenas un 0,1%, casi descartando esa posibilidad y apuntando a un origen astrofísico completamente diferente.

Impresión artística de dos agujeros negros en espiral hacia su fusión. La primera detección de una colisión de agujeros negros, en 2015, permitió a LIGO captar las ondas gravitacionales generadas por este titánico evento cósmico. Cortesía: ESA

Adiós a las masas «cortadas»

«La investigación muestra que podemos mejorar las mediciones de los giros individuales de los agujeros negros hasta en un 50% sin necesidad de construir nuevos instrumentos, solo con mejores técnicas de análisis de datos», destaca Gerosa. Esto es crucial, ya que entender los espines de los agujeros negros resulta clave para reconstruir su historia de formación y evolución.

Además, el nuevo enfoque trae bajo el brazo otra ventaja: las distribuciones de masa resultantes se asemejan mucho más a las esperadas formas en campana de Gauss, un patrón que muchos métodos estadísticos suponen como base. Antes, con el método tradicional, las masas quedaban a veces cortadas o deformadas, porque forzaban a etiquetar por masa sin tener en cuenta las incertidumbres. Eso hacía que los datos fueran menos simétricos o naturales.

Al corregir la forma de estas distribuciones, se mejoran también otras inferencias posteriores, como las relacionadas con la evolución de poblaciones de agujeros negros y de estrellas de neutrones.

En minutos y con un portátil

De hecho, los astrofísicos hacen hincapié en que su análisis no solo mejora el tratamiento de los datos actuales, sino que será aún más crucial en el futuro, con la llegada de nuevas generaciones de detectores como el telescopio Einstein o el observatorio espacial LISA (Laser Interferometer Space Antenna). «Nuestro análisis afecta a todas las mediciones de ondas gravitacionales, presentes y futuras», señala Gerosa.

Una de las grandes fortalezas de su propuesta es que no requiere costosas actualizaciones tecnológicas: es una mejora de software, un replanteamiento conceptual que saca más provecho de los datos ya existentes. «Estamos ante un ejemplo clásico de cómo cuestionar supuestos fundamentales en el análisis de datos puede dar resultados significativos sin necesidad de nueva información», reflexiona Gerosa.

Aunque el algoritmo de clustering empleado tiene una complejidad alta, pues crece rápidamente con el número de datos, el análisis de cada evento puede realizarse en apenas minutos usando un ordenador portátil convencional. Para eventos futuros con millones de muestras, será necesario optimizar aún más esta técnica, pero su potencial ya está claro.

En palabras de este astrofísico, el nuevo estudio demuestra que, a veces, en ciencia, no basta con detectar fenómenos espectaculares: también es esencial mirar cuidadosamente cómo interpretamos los datos. Resolver el enigma de «¿quién es quién?» en las parejas cósmicas no es solo un ejercicio de orden: es un paso vital para construir una visión más precisa, profunda y coherente de nuestro asombroso universo.▪️

• Fuente: Davide Gerosa, Viola De Renzis, Federica Tettoni, Matthew Mould, Alberto Vecchio, Costantino Pacilio. Which is which? Identification of the two compact objects in gravitational-wave binaries. Physical Review Letters (2025). DOI: https://doi.org/10.48550/arXiv.2409.07519