Si se busca la definición de la palabra cosmología se encuentran varias: la primera indica que es la rama de la física que estudia el universo como un conjunto; también se le entiende como la ciencia que estudia la evolución y las propiedades del universo para entender su origen y evolución; y se le concibe de forma técnica como aquella área del conocimiento que estudia la estructura a gran escala y la dinámica del universo. Algo tienen en común: la cosmología tiene el gran objetivo de entender todo lo que está contenido en el universo y, aún más importante, cómo evoluciona en el tiempo. De hecho, “universo” llega del latín “universus”, palabra compuesta por unus (uno) y versus (enrollado), o sea, todo uno enrollado en sí mismo.
Estas definiciones datan a nuestra ciencia un aspecto filosófico, y no sorprende que su estudio haya empezado miles de años atrás, a través de todos los continentes del globo. La pregunta “¿qué hay más allá?” ha sido siempre el motor de la humanidad y permitió la evolución técnica y social. La pregunta ahora es: ¿por qué la cosmología tardó más de 4000 años en volverse ciencia? La dificultad está en la palabra misma: ¡estamos obligados a considerar el universo como un todo!
Estamos convencidos -los cosmólogos y cosmólogas- de que la dinámica de cualquier objeto en el universo sigue la teoría de la relatividad de Einstein, pero existen otros problemas: el universo evolucionó en miles de millones de años y, en él, hay miles de millones de galaxias, y cada galaxia contiene miles de millones de estrellas. ¿Cómo considerar todo esto? Las simulaciones son partes esenciales del estudio de la cosmología. Sin embargo, los científicos y científicas se enfrentan siempre al mismo problema de no poder tenerlo todo. En las simulaciones tradicionales había que elegir entre pequeños volúmenes de espacio con alta resolución o grandes volúmenes a bajar resolución. Es como si quisiéramos estudiar los movimientos de las personas en una marcha o un desfile: podemos considerar el flujo de toda la gente que se mueve hacia una dirección, despreciando el movimiento de cada persona, o concentrarnos en el movimiento de un par de personas. Pero no podemos considerar ambas cosas al mismo tiempo con alta precisión.
El artículo “AI-assisted superresolution cosmological simulations” ofrece un método para resolver este problema utilizando un algoritmo de aprendizaje de máquina basado en redes neuronales. En lo específico el método utiliza dos redes neuronales y las compara entre sí. La primera toma simulaciones del universo a muy baja resolución y genera modelos de alta resolución. La segunda red se usa para diferenciar dichas simulaciones de las realizadas por métodos convencionales. Ambas redes se actualizan automáticamente hasta dar la simulación que más se acerca a la “realidad”. Este método reduce drásticamente el tiempo de computación, obteniendo, en un día, enormes mapas con muy alta resolución que con el método convencional se tardarían meses.
¡No sorprende, entonces, que la inteligencia artificial esté entrando impulsivamente en todas las disciplinas de las ciencias!
