Instituto de Física y Astronomía

Septiembre 23, 2016. Noticias IFA.

Estudiantes del Instituto de Física y Astronomía (IFA) de la Universidad de Valparaíso  son los protagonistas en un proyecto de investigación científica cuyo resultado ya está aceptado para ser  publicado en una revista de alto prestigio internacional. Se trata de un trabajo de análisis de casi 3000 estrellas tipo Mira, que es una clase de  estrellas variables pulsantes caracterizadas por un período de pulsación de más de 80 días y una amplitud grande. Son gigantes rojas en estados muy avanzados de su evolución estelar. El estudio se fundamenta en una base de datos pública con unas 500 observaciones por estrella durante 9 años, pero los períodos sugeridos por sus autores son erróneos en muchos casos.  Además existe un artículo por un grupo de astrónomos norteamericanos, tratando de determinar estos períodos haciendo uso del novedoso método de “Aprendizaje de Máquinas” o “Aprendizaje Automático” (“machine learning” en inglés), una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. Se trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en ejemplos típicos, y aplicar lo aprendido a otros objetos similares en forma totalmente automática.

El proyecto de los estudiantes del IFA enfrentó el resultado de este método, aplicado a las estrellas Mira, con determinaciones basadas en un programa PYTHON que fue desarrollado por nuestro colaborador Dr. Stefan Vogt-Geisse. Este software facilita, por un lado, el proceso semi-automático y, por otro lado, exige a cierto modo la interacción del ser humano, controlando los datos  individuales de cada estrella.  El resultado de la comparación fue sorprendente: en solo 75% de las estrellas el aprendizaje automático determinó períodos que coincidían con los del IFA, mientras en los restantes 25% los periodos “automáticos” fueron diferentes o indeterminados. ¿Quién tiene la razón? ¿El autómata o la interacción humana? Para ver esto, consultamos una tercera base de datos, el catalogo VSX que contiene casi 400000 estrellas variables de todas las clases, y que es basado en observaciones hechas por astrónomos profesionales y aficionados desde  muchas décadas, entonces también de interacción humana. Comparando los períodos publicados en este catálogo, resulta que en más de 96% de  los objetos en común los períodos coinciden con los nuestros: la interacción humana gana por lejos al autómata. Aparentemente, los actuales métodos de Aprendizaje de Máquinas requieren ser mejorados, por lo menos en la aplicación astronómica, un resultado importante considerando que estos métodos se aplica actualmente en muchas otras áreas, incluyendo motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica entre otros. 

El trabajo fue ejecutado por Alexander Contreras e Irma Fuentes, como colaboradores principales, y por Catalina Arcos, Christian Abarca, Carolina Agurto, Mauricio Caviedes, Hector DaSilva, Jorge Flores, Vanessa Gotta, Francisco Peñaloza, Karina Rojas y Jaime Villaseñor que aportaron las mediciones necesarias, todos bajo la dirección del profesor Dr. Nikolaus Vogt del IFA. Casi todos eran estudiantes del  pregrado cuando se inició el trabajo;  la mayoría de ellos están ahora cursando un postgrado en el IFA o en otras Universidades. El artículo correspondiente esta aceptado por  Astrophysical Journal Supplement Series, una de las revistas astronómicas importantes con un gran factor de impacto, y puede ser consultado en arXiv:1609.05246.