El Instituto de Astrofísica de Canarias (IAC) ha liderado el desarrollo de un nuevo procedimiento numérico que permite reproducir en pocos segundos, con técnicas de Big Data y aprendizaje automático, el medio intergaláctico obtenido de una simulación cosmológica de 100.000 horas de computación. Gracias a este algoritmo, denominado Hydro-BAM, los investigadores han podido estudiar la jerarquía en la relación de las propiedades de la materia oscura, el gas ionizado y el hidrógeno neutro intergaláctico, ingredientes que conforman la estructura a gran escala del Universo. La investigación también ha permitido reproducir con alta precisión los denominados “bosques de Lyman-alfa”, un patrón de líneas en los espectros de galaxias distantes y cuásares cuyo análisis es fundamental para avanzar en la comprensión del Cosmos. El estudio ha dado lugar a la publicación de dos artículos en la revista The Astrophysical Journal.

Las observaciones actuales parecen indicar que todo lo que nuestro universo está dominado por materia y energía oscuras, mucho más abundantes que la materia convencional o bariónica. Esta materia, aquella que podemos ver, supone tan solo un 5% de toda la masa del Universo. En cambio, la materia oscura, invisible a nuestros ojos, forma aproximadamente el 27% de nuestro inmenso cosmos. El 68% restante está compuesto por energía oscura que no solo es responsable de que el Universo se expanda, sino también de que lo haga en constante aceleración.

El modelo cosmológico estándar asume que la organización del Universo en sus escalas más grandes depende de la interacción de estos ingredientes. De hecho, las actuales simulaciones numéricas de última generación empiezan a proporcionar una modelización realista de estos procesos. Sin embargo, sigue habiendo un gran número de incertidumbres.

Para obtener predicciones teóricas fiables, los científicos necesitan realizar grandes conjuntos de simulaciones numéricas que abarquen un amplio volumen cosmológico y que estén basados en distintos modelos posibles que incluyan todos los procesos físicos relevantes. Estos “universos virtuales” sirven como bancos de pruebas para el estudio de la Cosmología. Sin embargo, las simulaciones son muy costosas desde el punto de vista computacional y las instalaciones informáticas actuales sólo permiten explorar pequeños volúmenes cósmicos, si se comparan con los volúmenes que cubren las campañas de observación actuales y futuras.

Big Data e inteligencia artificial para descifrar el Universo

Una colaboración entre un equipo del Instituto de Astrofísica de Canarias (IAC), dirigido por Francisco-Shu Kitaura, y otro de la Universidad de Osaka, liderado por Kentaro Nagamine, han desarrollado nuevas estrategias que permiten recrear, de manera detallada y rápida, modelos computacionales sobre la formación y evolución del Universo. “Estamos realizando un esfuerzo especial para desarrollar técnicas de aprendizaje automático que permitan acelerar todo el proceso, ahorrar costes computacionales y ejecutar eficazmente muchas de estas simulaciones”, explica Francesco Sinigaglia, estudiante de doctorado conjunto de la Universidad de La Laguna, el IAC y la Universidad de Padua (Italia), y primer autor de los dos artículos publicados.

En concreto, el equipo del IAC ha desarrollado un novedoso algoritmo, denominado Hydro-BAM, que combina conceptos avanzados de teoría de la probabilidad, aprendizaje automático y Cosmología. Este algoritmo ha permitido obtener, en tan sólo unas decenas de segundos, predicciones tan precisas como la costosa simulación hidrodinámica, de cerca de 100.000 horas en un superordenador, realizada por el equipo de Osaka y que ha sido utilizada para entrenar a Hydro-BAM. “El algoritmo son unas 100.000 líneas de código escritas en el IAC, fruto del esfuerzo de años de trabajo, aproximadamente el mismo número que la primera versión de Photoshop”, señala Francisco-Shu Kitaura, investigador del IAC.

«El objetivo de estos estudios es perfeccionar nuestra comprensión de la estructura a gran escala del Universo e inferir información sobre su evolución a lo largo del tiempo cósmico, mediante la modelización y la observación de cantidades bariónicas”, destaca Andrés Balaguera-Antolínez, investigador del IAC y uno de los principales desarrolladores del código Hydro-BAM. “Nuestros métodos pretenden reproducir el Universo observado a través de una evaluación detallada de los diferentes y complejos vínculos estadísticos entre la distribución tridimensional de la materia oscura y la materia visible como las galaxias y el gas intergaláctico”, explica.

Árboles de gas que permiten ver el bosque cósmico

Mediante este nuevo procedimiento computacional, los investigadores abordaron la conexión con el Universo observable. “Hemos realizado un exhaustivo análisis de posprocesamiento de nuestras simulaciones hidrodinámicas poniendo millones de observadores virtuales para modelar el denominado bosque Lyman-alfa, un patrón de líneas que aparece en los espectros de galaxias lejanas y cuásares”, describe Ikkoh Shimuzu, antiguo miembro de la Universidad de Osaka (ahora en la Universidad Shikoku Gakuin). Este patrón se produce cuando “árboles” de gas de hidrógeno, repartidos a lo largo y ancho del Universo, absorben la luz emitida por estos objetos distantes. De esta manera los científicos pueden ver distintas líneas de absorción correspondientes a nubes a diferentes distancias y que, por lo tanto, muestran diversas edades del Universo, además de obtener información sobre el medio intergaláctico.

«El avance llegó cuando comprendimos que las conexiones entre las cantidades de gas intergaláctico, la materia oscura y el hidrógeno neutro que intentábamos modelar están bien organizadas de forma jerárquica”, señala Sinigaglia. “El gas ionizado tiene una distribución en el espacio muy similar a la de la materia oscura y el hidrógeno neutro está determinado por la distribución del gas ionizado; además, la distribución conjunta del gas ionizado y del hidrógeno neutro nos aporta información sobre el estado térmico del gas y permite predecir el flujo de absorción del bosque Lyman-alfa”, explica el investigador.

“Nuestros artículos en este campo están teniendo un gran impacto en la comunidad científica y hemos sido contactados por grupos de primer nivel mundial”, subraya Kitaura. A pesar del éxito alcanzado, los autores consideran que la investigación está justo empezando y planean producir miles de universos simulados que incluyan la física bariónica, lo que debería permitir un análisis amplio de los datos de los sondeos de galaxias como DESI, WEAVE-JPAS y el proyecto Subaru PFS. En particular, el resultado de esta investigación permitirá a los científicos realizar un análisis sin precedentes de los conjuntos de datos masivos de bosques Lyman-alfa, actualmente en tensión con el modelo cosmológico estándar de la Cosmología, dado que las observaciones actuales indican una tasa de expansión del Universo menor de la esperada.

Artículo: “Mapping the Three-dimensional Lyα Forest Large-scale Structure in Real and Redshift Space”, The Astrophysical Journal, 2022 March, Volume 927, Number 2. DOI: https://doi.org/10.3847/1538-4357/ac5112

Artículo: “The Bias from Hydrodynamic Simulations: Mapping Baryon Physics onto Dark Matter Fields”, The Astrophysical Journal, 2021 November, Volume 921, Number 1. DOI: https://doi.org/10.3847/1538-4357/ac158b
«Más información en la web del IAC».
Síguenos en: Twitter, Facebook, Instagram

La entrada Desarrollan un nuevo algoritmo que simula el medio intergaláctico del Universo en segundos se publicó primero en Creativa Canaria.

El Cabildo de Tenerife, a través del Parque Científico y Tecnológico de Tenerife (PCTT), y la Escuela de Organización Industrial (EOI) pondrán en marcha en septiembre el Máster en Business Intelligence y Big Data con el fin de impulsar la economía digital y la mejora y fomento del empleo en la provincia de Tenerife. El miércoles 29 de junio tendrá lugar una jornada informativa en las instalaciones del PCTT en la Dársena Pesquera, en el espacio INFactory, con el fin de presentar esta formación especializada, que cuenta con 650 horas de duración. El plazo de inscripción está ya abierto a través de la web del PCTT www.pctt.es.

El Máster en Business Intelligence y Big Data está dirigido a titulados universitarios o profesionales procedentes de tres perfiles de estudiantes: Técnico (ingenieros de cualquier rama de las TIC), Estadístico (matemáticos o profesionales de diferentes campos científicos) o Negocio (profesionales de cualquier área que quieran formarse como analistas de datos y analistas de negocio), preferentemente nacidos o residentes en Tenerife y en situación de desempleo. Con el fin de facilitar esta importante capacitación tecnológica se ofertan 35 bonificaciones con el 95 por ciento de exención de matrícula. Cada una de ellas cuenta con una dotación de 9.200 euros, por lo que el alumnado deberá cubrir el 5 por ciento restante, esto es, 450 euros.

El consejero de Innovación, Antonio García Marichal, señala que “en consonancia con la estrategia Tenerife 2030 del Cabildo y su firme apuesta por la innovación y la capacitación en las nuevas tecnologías, este máster pretende responder a este reto de formación cualificada de los profesionales en las diferentes áreas de la empresa. El máster incluye elementos de medición de negocio, tecnología, analítica de datos y habilidades profesionales, que son aspectos muy importantes hacia los que están evolucionando las empresas”.

Se denomina Big Data a la gestión y análisis de enormes volúmenes de datos que no pueden ser tratados de manera convencional, ya que superan los límites y capacidades de las herramientas de software habitualmente utilizadas para la captura, gestión y procesamiento de datos. En la actualidad, las empresas se están enfrentando a retos cada vez más complejos provocados por el Big Data, teniendo acceso a más información que nunca pero careciendo de la capacidad de procesarla y no aprovechando por tanto su enorme potencial y valor.

Por su parte, la inteligencia de negocio (business intelligence) hace referencia al conjunto de técnicas, métodos y tecnologías mediante las cuales las organizaciones extraen patrones e información del análisis de datos (business analytics) para mejorar sus procesos y tomar decisiones. La inteligencia de negocio incluye actualmente la inteligencia de fuente abierta (open source intelligence) que se nutre de fuentes disponibles públicamente en Internet, aprovechando el incremento constante de datos estructurados en la conocida como Web of Data.

La entrada El Cabildo y la Escuela de Organización Industrial impulsan la formación a través de un máster en Big Data se publicó primero en Creativa Canaria.