El procesamiento de imágenes mediante inteligencia artificial aceleró el análisis de datos del telescopio espacial James Webb de la Nasa, y redujo el tiempo de años a tan solo días o incluso menos, lo que dio lugar a una avalancha de descubrimientos revolucionarios que de otro modo nunca se habrían producido.
Ahora, esa misma tecnología se usará para mejorar la calidad de las imágenes tomadas por el Observatorio Vera C. Rubin, con sede en Chile, para que parezcan tan nítidas como si hubieran sido tomadas desde el espacio. El modelo Neo, desarrollado en la Universidad de California en Santa Cruz, analiza cada píxel para separar cielo de objeto y mejora la resolución de las galaxias entre 2 y 10 veces, procesando en días lo que a humanos les llevaría años, según publicó el sitio especializado Space.com.
El Observatorio Vera C. Rubin, que lleva el nombre de la astrónoma estadounidense que descubrió una de las pruebas clave de la existencia de la materia oscura, se encuentra en la cima del Cerro Pachón, de 2.673 metros de altura, en los Andes chilenos. El telescopio comenzó a operar el año pasado. Escanea todo el cielo cada tres noches, con el objetivo de crear una secuencia temporal de 10 años de los movimientos de los objetos celestes.
�� James Webb Space Telescope (JWST) has captured the Sombrero Galaxy in extraordinary detail. pic.twitter.com/V9PPMIOZqG— Astronomy Vibes (@AstronomyVibes) March 25, 2026
Su ubicación en el desierto de Atacama, la región más árida del planeta, permite que el observatorio se beneficie de una atmósfera seca y un cielo despejado durante todo el año. Sin embargo, las observaciones de Rubin sufren importantes distorsiones, ya que la luz de los objetos celestes distantes debe atravesar la atmósfera terrestre antes de llegar a los detectores del telescopio.
Un nuevo algoritmo de inteligencia artificial desarrollado por investigadores de la Universidad de California en Santa Cruz (UCSC) intentará ahora eliminar esta distorsión y aumentar la resolución de las imágenes para que parezcan tomadas desde el espacio. “Los telescopios terrestres sufren de desenfoque debido a la turbulencia atmosférica a medida que la luz los atraviesa”, explicó a Space.com Brant Robertson, profesor de astronomía y astrofísica de la UCSC, cuyo equipo desarrolló el nuevo modelo de IA. “Invertimos mucho dinero en tecnología de alto rendimiento para eliminar esa distorsión atmosférica, pero también podemos entrenar modelos de aprendizaje automático de IA para reducir parte de ese desenfoque”.
Los investigadores entrenaron el modelo generativo, llamado Neo, utilizando imágenes tomadas por el Telescopio Subaru en Japón y capturas de las mismas secciones del cielo realizadas por el Telescopio Espacial Hubble. La tarea del modelo consistía en aprender a completar los detalles que faltaban en las imágenes tomadas desde la Tierra. Los resultados fueron impresionantes. En un artículo, los investigadores afirmaron que el modelo Neo "mejora la precisión de los parámetros morfológicos medidos entre 2 y 10 veces".
En la práctica, esto significa una mayor resolución que revela una gran cantidad de estrellas individuales y formas precisas de galaxias donde antes solo se veían manchas vagas. “El modelo mejora la calidad espacial de esos datos y recupera, en un sentido estadístico, las propiedades de las galaxias que se ven en estas imágenes como si fueran vistas por un telescopio en el espacio”, dijo Robertson.
Según explicó, esta tecnología impulsa los descubrimientos y permite a la comunidad científica maximizar el retorno de la inversión en telescopios astronómicos de vanguardia. El Observatorio Vera C. Rubin, equipado con un espejo de 8,4 metros, costó 800 millones de dólares. Sin embargo, esta cifra representa solo una fracción del costo de telescopios espaciales como el Hubble y el James Webb, cuya construcción y operación cuestan miles de millones de dólares.
El modelo Neo es una red generativa antagónica condicional, una colaboración de dos redes neuronales, frecuentemente utilizada para la generación de imágenes mediante IA. En el caso de Neo, la primera red genera imágenes mejoradas a partir de las fotografías capturadas; la otra evalúa su calidad.
El modelo se basa en una tecnología anterior que el equipo de Robertson desarrolló para acelerar el procesamiento de imágenes del telescopio Webb. Este gigante astronómico, con un presupuesto de 10 mil millones de dólares, produce cantidades tan enormes de datos que es imposible gestionarlas únicamente mediante la evaluación visual de astrónomos humanos. Los algoritmos de IA, como el desarrollado por Robertson y sus colegas, logran en cuestión de días lo que a los humanos les habría llevado años.
����️ James Webb Found a Cosmic Highway.
Using the James Webb Space Telescope, scientists have observed a huge structure — a chain of around 20 galaxies stretching millions of light-years across the early universe.
This structure is likely part of the cosmic web, where dark… pic.twitter.com/6V6GXjQypd— The Astronomy Guy (@astrooalert) April 27, 2026
El algoritmo, que se ejecuta en las supercomputadoras con GPU de NVIDIA, realizó algunos de los descubrimientos más asombrosos de la era Webb, incluyendo la detección de galaxias complejas en el universo primitivo, algo que los astrónomos no esperaban.
“El modelo analiza cada píxel y distingue si forma parte del cielo o de un objeto”, dijo Robertson. “Y si es un objeto, ¿forma parte de una galaxia de disco, de una galaxia esferoidal o de una estrella?”. Robertson añadió que el algoritmo no sustituye a los astrónomos, sino que les ayuda a realizar descubrimientos más rápidamente y a detectar patrones que podrían pasar desapercibidos. “La IA no va a ser pura ni completa, pero, por supuesto, tampoco lo son los humanos ni las metodologías tradicionales. Todas tienen diferentes fortalezas y beneficios”, afirmó.
El artículo que describe el modelo Neo, que ayudará a mejorar la resolución de las imágenes del Observatorio Vera Rubin, fue aceptado para su publicación en la revista Astrophysical Journal.
