Experto en astronomía utilizó redes neuronales generativas, un tipo de inteligencia artificial (IA) que simula con mayor precisión y rapidez el campo magnético de las capas más profundas del Sol, incluso más allá de la fotósfera o superficie visible del astro rey. La innovación sería un hito en la comprensión de esta estrella, su funcionamiento, liberación de energía e impacto en la atmósfera terrestre.
Con la guía de los profesores Santiago Vargas, del
Observatorio Astronómico Nacional, y Sergiy Shelyag, de la Universidad Flinders
(Australia), el investigador Germain Nicolás Morales Suárez, magíster en
Astronomía de la Universidad Nacional de Colombia (UNAL), estimó y generó una
imagen de algo que los científicos en el mundo pueden tardar meses en
determinar: los cambios en el campo magnético del Sol, el cual es generado en
el interior y emerge a la superficie.
Se trata específicamente de la zona convectiva, uno de los
puntos que transfiere la mayor cantidad de radiación y energía hacia el
espacio, y que le da una apariencia “granulada”.
Según el magíster Morales, entender estas zonas solares
activas es relevante porque incide en el clima espacial, pues las manchas y
erupciones presentes allí pueden dar lugar a tormentas solares afectando las
comunicaciones por satélites, las redes eléctricas, los sistemas de navegación
y otros dispositivos electrónicos en la Tierra.
Además es importante para determinar la cantidad de energía
que llega a la atmósfera de la Tierra y su contribución en la temperatura, que
se ha incrementado en los últimos años.
“Hoy existen dos formas de hacer cálculos sobre las capas
del Sol observando y simulando sus estructuras, pero esto se hace especialmente
para la fotósfera y las capas más externas, ya que en el interior solar hay
zonas profundas que aún no entendemos porque no las podemos observar”, asegura
el experto en astronomía.
“Uno de los métodos más usados es la solución de ecuaciones
y el desarrollo de simulaciones computacionales pero toma mucho tiempo, tanto
por su complejidad como por la necesidad de expertos y la potente capacidad de
cómputo que se requiere. También están los instrumentos de observación
como telescopios especializados que son demasiado costosos y su información se
limita a la superficie y atmósfera solar”.
Por eso el investigador buscó una alternativa para ahorrarle
tiempo y dinero a sus colegas: la IA, ya que usando las redes neuronales
generativas –de las que se habla en este campo desde 2011, pero que ganan mayor
protagonismo desde 2022– realizó un trabajo pionero en el que obtuvo
simulaciones e imágenes de zonas convectivas del Sol con una precisión
impresionante en tan solo días, y que guarda una similitud fiable con los
cálculos que se han hecho en otros países.
“La red neuronal se encargó de analizar bases de datos con
alrededor de 2 terabytes de información de un proyecto llamado MURaM que simula
las capas del Sol a partir de ecuaciones de la física, realizado entre 2001 y
2005 por grupos de investigación del Instituto Max Planck, en Alemania, país que
con Estados Unidos, España y Reino Unido lleva la delantera en estos temas”,
indica el magíster.
La red neuronal genera simulaciones en tres dimensiones, en
las que se evidencian cambios en la intensidad de los campos magnéticos que van
desde alrededor de los 3.000 Gauss (G) –unidad también conocida como inducción
de flujo magnético–, en zonas convectivas y profundas, hasta unos 300 G en
la fotósfera, lo cual no se había logrado con este tipo de algoritmo y
representa un avance fundamental para este campo.
“La similitud que se consigue es invaluable, y, aunque
utilizamos un computador que no es el más avanzado, es solo el comienzo de este
tipo de análisis y la oportunidad de seguir mejorando en la identificación de
aquellas zonas que aún desconocemos para indagar sobre la formación y evolución
del campo magnético en el interior solar”, destaca.
La investigación y las simulaciones se llevaron a cabo en el
lenguaje de programación Python, que es uno de los códigos más utilizados en el
mundo y que permite usar bibliotecas y herramientas que facilitan el proceso.
El algoritmo desarrollado empezó usando imágenes en dos
dimensiones para la red neuronal y se fue mejorando para implementar redes 3D
que puedan estudiar la verdadera naturaleza el campo magnético solar.
