La cosmología observacional está a punto de vivir su momento "ChatGPT". Un equipo de investigadores ha desarrollado un marco impulsado por inteligencia artificial capaz de analizar imágenes de supernovas tipo Ia —esas "velas estándar" que nos permiten medir distancias cósmicas— y modelar sus entornos con un nivel de detalle sin precedentes. El resultado: estimaciones de distancia con una precisión que roza la espectroscopía tradicional, pero a una fracción del coste computacional y temporal.

El momento no es casual. El Observatorio Vera C. Rubin, que comenzará operaciones completas en 2025 desde Chile, generará un tsunami de datos: se espera que detecte millones de supernovas durante su sondeo de diez años (LSST). Procesar ese volumen con métodos espectroscópicos clásicos es simplemente inviable. La IA no es aquí un adorno: es la única vía escalable.

¿Por qué importan tanto estas explosiones estelares? Las supernovas tipo Ia fueron la clave para descubrir, en 1998, que la expansión del universo se acelera —un hallazgo que valió el Nobel y que nos obligó a postular la existencia de "energía oscura", ese componente misterioso que constituye ~68% del cosmos y cuya naturaleza seguimos ignorando. Cada mejora en la precisión de las distancias afina nuestras restricciones sobre la ecuación de estado de la energía oscura (el parámetro w), acercándonos a saber si es una constante cosmológica (como predijo Einstein) o algo dinámico que evoluciona con el tiempo.

El nuevo marco, detallado en un estudio reciente, combina redes neuronales convolucionales para la clasificación morfológica de las imágenes con modelos probabilísticos que infieren las propiedades físicas del entorno de cada supernova: polvo interestelar, metalicidad de la galaxia anfitriona, geometría de la explosión. Al marginalizar estas variables de confusión —que históricamente han sido la mayor fuente de error sistemático—, el sistema reduce la dispersión en el diagrama de Hubble a niveles que antes solo se lograban con seguimiento espectroscópico costoso.

Las implicaciones van más allá de la cosmología fundamental. Este enfoque —IA como compresor óptimo de información física a partir de datos fotométricos masivos— es un paradigma que se replicará en otras áreas: detección de ondas gravitacionales, caracterización de exoplanetas, búsqueda de señales tecnológicas. El Observatorio Rubin será el banco de pruebas definitivo: 20 terabytes por noche, 37 mil millones de objetos, alertas en tiempo real. La astronomía ha dejado de ser limitada por fotones para ser limitada por algoritmos.

En IAOnda seguiremos de cerca cómo esta sinergia entre telescopios de nueva generación e IA redefine los límites de lo conocible. La energía oscura lleva 26 años burlándose de nosotros; quizás, por fin, la avalancha de supernovas analizadas por redes neuronales nos obligue a revelar sus cartas.