Un estudio internacional liderado por la UNAM identifica siete volcanes activos en la luna de Júpiter Ío
La investigación, encabezada por el astrónomo mexicano Joel Sánchez, combina observaciones a través del telescopio espacial James Webb con una técnica de procesamiento de imagen por redes neuronales
Ío, la tercera luna más grande de Júpiter, es el sitio con mayor actividad volcánica de todo el Sistema Solar. A unos 628 millones de kilómetros de la Tierra, se trata de un mundo en erupción perpetua, con cientos de volcanes activos que redefinen constantemente su insólito paisaje. De ahí que la observación a detalle de su superficie, inmersa en un estira y afloja constante que le provoca deformaciones de hasta 100 metros según su posición orbital respecto a Júpiter, suponga un reto mayúsculo para los instrumentos y técnicas convencionales. Ahora, un equipo internacional liderado por Joel Sánchez Bermúdez, del Instituto de Astronomía de la UNAM, ha logrado identificar siete volcanes activos en el satélite y revelar detalles inéditos de sus estructuras.
A diferencia de los volcanes terrestres, de formas cónicas y un cráter en la cima, los volcanes en Ío tienen una forma de pocillos, cuencos con lava en su centro. El estudio permitió mapear siete estructuras volcánicas y sus erupciones, además de hallar regiones con depósitos que podrían contener dióxido de azufre. El estudio, publicado en la revista británica Monthly Notices of the Royal Astronomical Society, es pionero tanto en el tipo de observaciones realizadas con telescopio espacial James Webb, como en la técnica de procesamiento de datos por inteligencia artificial creada para obtener imágenes a detalle de la superficie de Ío.
“Es la primera vez que se usa esta técnica en un telescopio espacial y también la primera vez que se observa un objeto del Sistema Solar con ella”, explica a este diario Joel Sánchez Bermúdez, primer autor del estudio. “Lo novedoso va más por el análisis de datos, el hecho de que hayamos podido hacer las reconstrucciones utilizando redes neuronales y no el proceso que clásicamente utilizamos para ello”.
A diferencia de la mayoría de observaciones realizadas con el James Webb, Sánchez y sus colegas optaron por utilizar la interferometría de máscara de apertura (AMI, por sus siglas en inglés), una técnica que combina distintas señales de luz para obtener una sola imagen de mayor detalle. Para ponerla en marcha en el James Webb, sin embargo, es necesario cubrir parcialmente el espejo primario del telescopio —formado por 18 segmentos hexagonales— con una máscara de aluminio, “un círculo con siete agujeros en la superficie”, explica el astrónomo mientras sujeta una réplica idéntica a la que orbita junto con el telescopio espacial a 1,5 millones de kilómetros de la Tierra.
“Cuando esto se coloca en la pupila del telescopio, hace que cada uno de los agujeros se convierta en un pequeño telescopio y lo que se detecta es el patrón de interferencia de la luz que atraviesa los siete agujeros de forma simultánea, lo que nos permite mejorar la capacidad de resolución y observar con mayor nitidez los detalles de los objetos estudiados”, afirma. Se trata de una técnica utilizada con frecuencia en los grandes telescopios terrestres. Sin embargo, es la primera vez que se pone en práctica en el James Webb, el primer telescopio espacial diseñado con capacidad para hacer interferometría.
Una red neuronal diseñada para procesar imágenes
Tras obtener los datos del telescopio espacial, Sánchez, experto en procesamiento de imágenes obtenidas por interferometría, notó que los algoritmos estándar no funcionaban para este caso particular y dada su experiencia reciente con inteligencia artificial, experimentó con distintas redes neuronales para conseguir mejores resultados. “La imagen se veía emborronada y como en los últimos años había estado trabajando en el desarrollo de nuevos algoritmos basados en inteligencia artificial, se me ocurrió cambiar un poco el paradigma”, explica.
Tras probar con distintas arquitecturas y crear modelos sintéticos de Ío para entrenarlas, Sánchez y sus colegas lograron desarrollar un nuevo método de procesamiento basado en redes neuronales, que se encarga de corregir y limpiar las imágenes hasta obtener resultados más nítidos: “Utilizamos una red que va limpiando a lo largo de varias capas hasta que finalmente logramos reconstruir una imagen donde se percibe de manera más clara la posición de los volcanes y estructuras que se ven en el fondo del disco”. El estudio sienta un precedente tanto para avanzar en la comprensión de la dinámica de los cuerpos del Sistema Solar como en el procesamiento de imágenes astronómicas complejas a partir de la inteligencia artificial.