Google presenta una IA capaz de encontrar ondas gravitacionales y controlar observatorios
Google presentó esta semana Deep Loop Shaping, que tiene como objetivo facilitar y mejorar las observaciones de ondas gravitacionales.
Las ondas gravitacionales son distorsiones del espacio-tiempo que se producen cuando se acelera alguna distribución de materia o energía. Fueron predichas por Einstein en 1916, poco después de la publicación de su trabajo sobre la Relatividad General. Sin embargo, este fenómeno no se confirmó hasta 2015, cuando el observatorio LIGO registró la colisión de dos agujeros negros.
En 2015 se realizó la primera detección, la cual fue importante porque marcó el inicio de numerosas observaciones de ondas gravitacionales. El descubrimiento condujo al Premio Nobel de Física de 2017 otorgado a Kip Thorne, Rainer Weiss y Barry Barish. A pesar de esto, los observatorios actuales presentan limitaciones, ya que solo detectan ondas en ciertos rangos de frecuencia. Esto impide la observación de fenómenos de baja frecuencia, como las fusiones de agujeros negros supermasivos.
Para abordar algunas de las limitaciones de estos observatorios, Google DeepMind anunció esta semana un nuevo modelo llamado Deep Loop Shaping. El sistema optimiza los controles del interferómetro en tiempo real, reduciendo la inestabilidad y filtrando el ruido que compromete los datos. Esto permite que los observatorios operen con mayor estabilidad y precisión, aumentando la probabilidad de registrar ondas gravitacionales en un rango de frecuencias más amplio.
Ondas gravitacionales
Las ondas gravitacionales son oscilaciones que ocurren en el tejido del espacio-tiempo y fueron predichas por Albert Einstein en 1916 en su Teoría de la Relatividad General. Surgen cuando los objetos se aceleran y liberan energía. Actualmente, solo los objetos extremadamente masivos, como los agujeros negros estelares o las estrellas de neutrones , pueden producir ondas gravitacionales observables por los observatorios modernos.
La primera observación de ondas gravitacionales fue realizada por el observatorio LIGO, que registró la fusión de dos agujeros negros a más de mil millones de años luz de la Tierra. Posteriormente, se realizaron otras observaciones, algunas de las cuales incluyeron sus contrapartes en radiación electromagnética. Estos dos tipos de observaciones abrieron un nuevo campo de la astronomía denominado astronomía multimensajera.
Limitaciones
Los detectores de ondas gravitacionales actuales, como LIGO y Virgo, son interferómetros láser extremadamente sensibles. Operan en un rango de frecuencia limitado, entre unos 10 Hz y unos pocos kHz. Esto significa que solo podemos observar eventos muy energéticos y rápidos, como las fusiones de agujeros negros estelares y estrellas de neutrones. Las señales a frecuencias más bajas, como las producidas por agujeros negros supermasivos, están fuera del alcance de estos instrumentos.
Además, el ruido alrededor de los observatorios dificulta la detección de otras bandas. Las vibraciones sísmicas de la Tierra interfieren con las señales de baja frecuencia, mientras que el ruido térmico y electrónico interfiere con las bandas más altas. Debido a la extrema debilidad de las señales de ondas gravitacionales, cualquier perturbación puede ser perjudicial. Por lo tanto, la observación aún se limita a una ventana estrecha del espectro de posibles ondas gravitacionales, y muchas se pasan por alto.
Modelado de bucle profundo
Google DeepMind anunció Deep Loop Shaping, un nuevo método de IA que reduce el ruido y mejora el control de los sistemas de retroalimentación de LIGO. Esta técnica estabiliza los espejos utilizados para medir las ondas gravitacionales. Este modelo puede mejorar el rendimiento del observatorio en la grabación de ondas gravitacionales hasta 100 veces. Probado en LIGO Livingston (EE. UU.), el método ha demostrado su eficacia incluso en aplicaciones realistas, más allá del ámbito de la simulación.
Con esta mejora, se espera que Deep Loop Shaping ayude a detectar cientos de eventos nuevos al año con mayor precisión y detalle. El modelo utiliza aprendizaje de refuerzo basado en recompensas en el dominio de la frecuencia, lo que garantiza la estabilidad sin añadir ruido al sistema. A pesar de su aplicación en ondas gravitacionales, Google DeepMind argumenta que el modelo puede aplicarse a otros campos que requieren la supresión de vibraciones y el control dinámico de sistemas.
Google DeepMind
Google DeepMind es uno de los laboratorios de investigación de IA líderes a nivel mundial, fundado en 2010 y adquirido por Google en 2014. Con sede en Londres, el laboratorio se hizo mundialmente conocido por su AlphaGo, el primer sistema capaz de aprender por sí solo y derrotar a campeones humanos en el juego de Go. Posteriormente, el laboratorio introdujo AlphaFold, capaz de predecir la estructura de las proteínas.
La importancia de AlphaFold fue tal que, en 2024, el neurocientífico y director ejecutivo de DeepMind, Demis Hassabis, recibió el Premio Nobel de Química. Este no ha sido el único trabajo que DeepMind ha realizado en los últimos años, y el laboratorio continúa aplicándolo en diversos campos, incluyendo la creación de modelos para estabilizar reactores nucleares.