Astrofísica con IA: GPUs y Nuevos Telescopios Transforman el Análisis del Universo

La revolución de los datos astronómicos

La NASA ha anunciado que lanzará el telescopio espacial Nancy Grace Roman en septiembre de 2026, ocho meses antes de lo previsto. Este nuevo observatorio promete entregar a los astrónomos 20.000 terabytes de datos durante su vida operativa. Se suma a los 57 gigabytes de imágenes diarias del telescopio James Webb (en funcionamiento desde 2021) y al inicio del estudio del Observatorio Vera C. Rubin en Chile, que recopilará 20 terabytes cada noche. En contraste, el Hubble, que alguna vez fue el estándar de oro, produce solo de 1 a 2 gigabytes diarios.

La CPU ya no basta: llegan las GPUs

Hace tiempo que los astrónomos dejaron de revisar manualmente todas las lecturas. Hoy recurren a las GPUs para procesar el diluvio de datos. Brant Robertson, astrofísico de la Universidad de California en Santa Cruz, ha sido testigo de primera línea de este cambio. Durante los últimos 15 años ha trabajado con NVIDIA aplicando GPUs a problemas del espacio, desde simulaciones de supernovas hasta el desarrollo de herramientas para analizar datos de los nuevos observatorios.

«Ha habido una evolución: pasar de observar unos pocos objetos a analizar conjuntos de datos a gran escala con CPUs, y luego a versiones aceleradas por GPU de esos mismos análisis», explicó Robertson.

Morpheus: un modelo que aprende a ver galaxias

Robertson y el entonces estudiante de posgrado Ryan Hausen desarrollaron Morpheus, un modelo de aprendizaje profundo capaz de examinar grandes conjuntos de datos e identificar galaxias. Su análisis temprano con IA de los datos del Webb reveló una cantidad sorprendente de galaxias de disco específicas, añadiendo un nuevo giro a las teorías sobre el desarrollo del universo.

Ahora Morpheus se adapta a los tiempos: Robertson está cambiando su arquitectura de redes neuronales convolucionales a transformers, la tecnología detrás de los grandes modelos de lenguaje. Esto permitirá analizar varias veces el área actual y acelerar su trabajo.

IA generativa para mejorar telescopios terrestres

Robertson también trabaja en modelos de IA generativa entrenados con datos de telescopios espaciales para mejorar la calidad de las observaciones de telescopios terrestres, distorsionadas por la atmósfera terrestre. A pesar de los avances en cohetes, sigue siendo difícil poner un espejo de 8 metros en órbita, por lo que usar software para mejorar las observaciones del Rubin es la mejor alternativa.

Presión por el acceso a GPUs y recortes presupuestarios

Robertson siente la presión de la demanda global de acceso a GPUs. Utilizó la National Science Foundation (NSF) para construir un clúster de GPUs en UC Santa Cruz, pero este se está quedando obsoleto mientras más investigadores quieren aplicar técnicas intensivas en cómputo. La administración Trump propuso reducir el presupuesto de la NSF en un 50% en su solicitud presupuestaria actual.

«La gente quiere hacer estos análisis de IA y machine learning, y las GPUs son realmente la forma de hacerlo. Tienes que ser emprendedor, especialmente cuando trabajas en la frontera de la tecnología. Las universidades son muy reacias al riesgo porque tienen recursos limitados, así que debes salir y mostrarles que ‘mira, hacia aquí se dirige nuestro campo’», concluyó Robertson.