Nuestra galaxia todavía está produciendo estrellas activamente. Lo sabemos desde hace un tiempo, pero a veces es difícil entender la verdadera escala en términos astronómicos. Un equipo de Japón está tratando de ayudar con eso mediante el uso de una nueva técnica de aprendizaje automático para identificar las regiones de formación de estrellas que pronto se extenderán por toda la Vía Láctea. Encontraron 140.000 de ellos.
Las regiones, conocidas en astronomía como nubes moleculares, suelen ser invisibles para los humanos. Sin embargo, sí emiten ondas de radio, que pueden ser captadas por los enormes radiotelescopios repartidos por nuestro planeta. Desafortunadamente, la Vía Láctea es la única galaxia lo suficientemente cercana donde podemos captar esas señales, e incluso en nuestra galaxia de origen; las nubes están tan separadas que ha sido un desafío capturar una imagen general de ellas.
Crédito: Observatorio Astronómico Nacional de Japón, Observatorio de Radio Nobeyama
Por lo tanto, un equipo de la Universidad Metropolitana de Osaka pensó: el aprendizaje automático al rescate. Tomaron un conjunto de datos del radiotelescopio Nobeyama ubicado en la prefectura de Nagano y buscaron la prevalencia de moléculas de monóxido de carbono. Eso resultó en la asombrosa cantidad de 140,000 nubes moleculares visibles en solo un cuadrante de la Vía Láctea.
Como siguiente paso, el equipo profundizó en los datos y descubrió qué tan grandes eran, así como dónde estaban ubicados en el plano galáctico. Dado que hay cuatro cuadrantes más para explorar, es muy probable que haya muchos más para encontrar.
Pero para acceder al menos a dos de esos cuadrantes, necesitan un radiotelescopio diferente. Nobeyama se encuentra en Japón, en el hemisferio norte, y no puede ver el cielo del sur. Muchos radiotelescopios, como ALMA, ya están en línea en el hemisferio sur. Algunos están en el horizonte, como el Square Kilometre Array, que podría proporcionar una mirada aún más lejana alrededor del plano galáctico del hemisferio sur. El equipo solo necesita elegir cuál les gustaría usar.
Una de las mejores cosas de la IA es que una vez que la entrena, lo que puede llevar una cantidad significativa de tiempo, analizar conjuntos de datos similares es pan comido. El trabajo futuro sobre más datos de radio debería aprovechar ese hecho y permitir que el Dr. Shinji Fujita y su equipo analicen rápidamente aún más regiones de formación estelar. Con un poco de investigación adicional, podremos comprender realmente el motor de creación de nuestra galaxia en algún momento de un futuro no muy lejano.
Aprende más:
Universidad Metropolitana de Osaka – AI dibuja el mapa más preciso de lugares de nacimiento de estrellas en la galaxia
Fujita et al. – Determinación de distancias de nubes moleculares en el primer cuadrante del plano galáctico mediante aprendizaje profundo: I. Método y resultados
UT: una de las regiones de formación de estrellas más brillantes de la Vía Láctea, vista en infrarrojo
UT – Formación de estrellas Speedrunning en la región Cygnus X
Imagen principal:
Imagen de la región de formación estelar Sharpless 2-106, a unos 2000 años luz de la Tierra.
Crédito: NASA, ESA, STScI/Aura