Un grupo de doce jóvenes estudiantes del Instituto de Física y Astronomía (IFA) de la Universidad de Valparaíso se han convertido en los protagonistas de un proyecto de investigación científica cuyo resultado ya fue aceptado para ser publicado en la próxima edición de la reconocida revista Astrophysical Journal Supplement Series.

El grupo de alumnos, bajo la guía del astrónomo Nikolaus Vogt, realizó el análisis de casi tres mil estrellas tipo “Mira”, una clase de estrellas variables pulsantes caracterizadas por un período de pulsación de más de ochenta días y una amplitud grande.

“Son gigantes rojas en estados muy avanzados de su evolución estelar”, aclaró Vogt. Tal como lo explicó el profesor, “el estudio se fundamenta en una base pública de datos con unas 500 observaciones por estrella durante nueve años, pero los períodos sugeridos por sus autores son erróneos en muchos casos.

Además existe un artículo hecho por un grupo de astrónomos estadounidenses, 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”, advirtió.

Sorprendente resultado

El proyecto de los estudiantes del IFA enfrentó el resultado de este método, aplicado a las estrellas ”Mira”, con determinaciones basadas en el programa PYTHON, que fue desarrollado por el doctor Stefan Vogt-Geisse, colaborador del proyecto.

“Este software facilita, por un lado, el proceso semiautomático 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”, aseguró el doctor Vogt.

Interacción humana v/s autómata

Pero ¿quién tiene la razón? ¿El autómata o la interacción humana? Para responder estas preguntas, adelanta el profesor Vogt, se consultó una tercera base de datos, el catalogo VSX que contiene casi 400 mil estrellas variables de todas las clases, y que es basado en observaciones hechas por astrónomos profesionales y aficionados desde muchas décadas.

“Comparando los períodos publicados en este catálogo, resulta que en más del 96% de los objetos 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”, comentó Nikolaus Vogt.

En palabras del profesor, es un resultado importante considerando que estos métodos se aplican 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.

Participantes

El trabajo fue ejecutado por Alexander Contreras y Irma Fuentes, como colaboradores principales, y por Catalina Arcos, Christian Abarca, Carolina Agurto, Mauricio Caviedes, Héctor Da Silva, Jorge Flores, Vanessa Gotta, Francisco Peñaloza, Karina Rojas y Jaime Villaseñor, quienes aportaron las mediciones necesarias. Todos bajo la dirección del profesor Nikolaus Vogt, del IFA. Al momento de iniciar el estudio casi todos eran estudiantes del pregrado. Actualmente, la mayoría de ellos está cursando un postgrado en el IFA o en otras universidades.