La inteligencia artificial revela la historia de la fusión de galaxias cercanas

Representación artística que muestra a una inteligencia artificial y la galaxia espiral M51. Crédito: Gabriel Pérez Díaz (SMM, IAC)
Fecha de publicación

Una investigación liderada por el Instituto de Astrofísica de Canarias (IAC) ha utilizado una técnica innovadora basada en inteligencia artificial para estudiar cómo se forman las estrellas en las galaxias. Analizando 10.000 galaxias cercanas, han descubierto que la mayoría de las estrellas nacen dentro de su propia galaxia. Las fusiones galácticas, aunque importantes, no son la principal fuente de nuevas estrellas. Además, el estudio revela que las galaxias más masivas se ven más afectadas por estas fusiones. Estos resultados, publicados en Nature Astronomy, proporcionan nuevas pistas sobre la compleja historia de las galaxias y su evolución a lo largo del tiempo.

La mayoría de las galaxias no existen aisladas, sino que se fusionan con otras debido a la gravedad. Estas fusiones alteran drásticamente las galaxias, cambiando su masa, tamaño, forma e incluso su estructura interna. Sin embargo, las observaciones por sí solas no permiten determinar con precisión cuántas fusiones ha experimentado una galaxia en el pasado y si estas fueron entre galaxias de tamaños similares o muy diferentes.

Las diferencias en las órbitas y composiciones químicas de las estrellas de la Vía Láctea sugieren que estas tienen orígenes cósmicos variados, lo que proporciona pistas sobre la historia de las fusiones de galaxias. Sin embargo, el número de estrellas originadas por fusiones sólo se ha medido en un pequeño número de galaxias externas, lo que evidencia la falta de estudios exhaustivos sobre el efecto de las fusiones en una muestra representativa de galaxias.

Las simulaciones cosmológicas nos permiten observar cómo evolucionan las galaxias a lo largo de la historia del universo, ofreciendo detalles que los telescopios no pueden captar. Por otro lado, la inteligencia artificial (IA) se distingue por encontrar patrones ocultos en grandes conjuntos de datos. Al unir estas dos poderosas herramientas, los equipos científicos están creando modelos de IA entrenados con galaxias simuladas que pueden, a su vez, analizar galaxias reales y predecir sus propiedades, así como reconstruir su historia cósmica. Esta combinación de simulaciones e IA representa un avance significativo en nuestra capacidad para estudiar el universo.

Fusiones galácticas más comunes en galaxias masivas

Con este enfoque, un equipo del IAC ha analizado 10.000 galaxias cercanas para determinar qué porcentaje de sus estrellas se formaron a partir de fusiones con otras galaxias. El estudio ha revelado que sólo el 20 % de la masa estelar de las galaxias actuales es el resultado de fusiones pasadas, por lo que la mayoría de las estrellas del Universo actual se formaron internamente.

Mientras las galaxias con masas estelares bajas forman casi todas sus estrellas de manera interna, las galaxias más masivas obtienen hasta entre un 35 y un 40% de su masa estelar a través de fusiones. Es decir, las fusiones afectan más profundamente a las galaxias más masivas que a las menos masivas. De forma similar, las galaxias elípticas, más viejas, y las que ya no forman nuevas estrellas parecen haber incorporado a través de fusiones una mayor cantidad de estrellas que sus homólogas espirales y aquellas con formación estelar.

El estudio también pone de manifiesto que las galaxias situadas en el centro de halos de materia oscura más masivos tienden a haber experimentado más fusiones que las centradas en halos menos masivos, lo que sugiere que el entorno cósmico de una galaxia puede influir en su historial de interacciones.

“La capacidad de explorar la historia de las fusiones de galaxias podría ayudar a comprender mejor cómo se forman y evolucionan las galaxias”, explica Eirini Angeloudi, estudiante de doctorado del IAC que ha liderado el estudio. “Por ejemplo, se puede investigar si las fusiones contribuyen a la creación de tipos específicos de galaxias o ponen en marcha procesos esenciales, como intensos estallidos de formación estelar o el incremento de la actividad de los Núcleos Galácticos Activos”, añade.

“Nuestro trabajo demuestra cómo las simulaciones cosmológicas y el aprendizaje automático pueden combinarse para proporcionar una herramienta que permita obtener información sobre el pasado cósmico de las galaxias actuales. Esta técnica podría ampliarse para construir árboles de fusión completos de galaxias”, señala Marc Huertas, investigador del IAC y coautor del estudio. 

Próximo reto: galaxias más lejanas

A pesar de los prometedores resultados, el equipo advierte que las simulaciones que se usan para estudiar el Universo están limitadas por lo que sabemos hasta ahora. Esto significa que pueden ser inexactas y tener errores, especialmente cuando tratamos de entender fenómenos complejos a pequeña escala.

“Aunque hemos identificado correlaciones entre las propiedades de una galaxia y el efecto de las fusiones en su masa estelar, la correlación no siempre implica causalidad”, apunta Jesús Falcón, investigador del IAC que ha participado en la investigación, y añade: “Por lo tanto, no podemos afirmar con seguridad si las fusiones son los factores principales que subyacen a los diversos procesos observados en las galaxias cercanas, como las transformaciones morfológicas o la extinción de la formación estelar”.

Como siguiente paso el equipo planea ampliar el estudio a galaxias más lejanas, lo que permitiría seguir la progresión de las fusiones y evaluar su contribución a la masa estelar de una galaxia en las distintas etapas evolutivas del Universo. “Estos avances permitirían comprender cómo afectan las fusiones galácticas a la evolución de las galaxias a lo largo del tiempo cósmico, arrojando luz sobre su papel en la formación de la diversidad de estructuras y propiedades galácticas observadas en la actualidad”, concluye Angeloudi.

Artículo: Angeloudi, E., Falcón-Barroso, J., Huertas-Company, M. et al. Constraints on the in situ and ex situ stellar masses in nearby galaxies obtained with artificial intelligence. Nat Astron (2024). https://doi.org/10.1038/s41550-024-02327-3

Contactos en el IAC:
Eirini Angeloudi, eirini.angeloudi [at] iac.es (eirini[dot]angeloudi[at]iac[dot]es)
Marc Huertas Company, mhuertas [at] iac.es (mhuertas[at]iac[dot]es)
Jesús Falcón Barroso, jfalcon [at] iac.es (jfalcon[at]iac[dot]es)

Proyectos relacionados
IACDEEP: Machine Learning in Astrophysics
Internal transversal research project that aims to bring together the know-how in machine learning and deep learning in the IAC. This project encapsulates the knowledge of machine learning in the center and is the point of consultation or discussion for any problem related to machine learning. In this sense, it is a line of research that is a bit
Andrés
Asensio Ramos
Marc
Huertas-Portocarrero Company
Noticias relacionadas
Simulación de la formación y evolución de un cúmulo de galaxias
El Instituto de Astrofísica de Canarias (IAC) ha liderado el desarrollo de un nuevo procedimiento numérico que permite reproducir en pocos segundos, con técnicas de Big Data y aprendizaje automático, el medio intergaláctico obtenido de una simulación cosmológica de 100.000 horas de computación. Gracias a este algoritmo, denominado Hydro-BAM, los investigadores han podido estudiar la jerarquía en la relación de las propiedades de la materia oscura, el gas ionizado y el hidrógeno neutro intergaláctico, ingredientes que conforman la estructura a gran escala del Universo. La investigación
Fecha de publicación
Reconstrucción de la red cósmica (áreas sombreadas en gris en el panel izquierdo) a partir de una distribución de galaxias (representadas en rojo en el panel izquierdo) y las fluctuaciones primordiales (panel derecho). Crédito: Francisco-Shu Kitaura (IAC).
El Instituto de Astrofísica de Canarias (IAC) ha liderado un equipo internacional que ha desarrollado un algoritmo denominado COSMIC BIRTH para el análisis cosmológico de estructuras a gran escala. Este nuevo método de cálculo permitirá resolver la evolución cósmica de las estructuras de materia oscura desde el Universo temprano hasta la formación de las galaxias y la actualidad. El trabajo se ha publicado recientemente en la revista Monthly Notices of the Royal Astronomical Society (MNRAS).
Fecha de publicación
Distribución de materia oscura y trazadores (halos). Crédito: Gabriel Pérez Díaz, SMM (IAC).
El equipo de Cosmología y Estructura a Gran Escala del Instituto de Astrofísica de Canarias (IAC) ha desarrollado, mediante el código numérico BAM (Bias Assignment Method, por sus siglas en inglés), una novedosa estrategia para la generación de catálogos de galaxias sintéticos precisos para reproducir las observaciones de censos de galaxias, lo que permitirá extraer valiosa información cosmológica y dilucidar la naturaleza de la energía oscura.
Fecha de publicación