Astrónomos crean mapa de 4.000 millones de objetos cósmicos para entrenar sistemas de IA
Hecho Qué ha ocurrido
Un equipo internacional de astrónomos ha completado el atlas bidimensional más grande jamás creado, combinando 263.407 exposiciones telescópicas que abarcan tres cuartas partes del cielo y catálogo 3.970 millones de objetos cósmicos con resolución de 5,6 billones de píxeles. El proyecto DESI Legacy Imaging Surveys, desarrollado durante 13 años con participación de más de 160 investigadores, integró observaciones de múltiples telescopios terrestres y la nave espacial WISE de la NASA. El texto señala explícitamente que los científicos planean introducir este repositorio en sistemas de inteligencia artificial para entrenar modelos en análisis de datos astronómicos masivos.
Resumen generado mediante IA a partir de El Confidencial Tecnología. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Este dataset gigantesco representa un caso de uso crítico de IA en investigación científica: entrenar modelos para procesar petabytes de información astronómica de forma automática. Para directivos y profesionales de tecnología, ilustra cómo la IA se convierte en infraestructura esencial para disciplinas data-intensivas, abriendo oportunidades en edge computing, visión por computadora a escala y procesamiento de grandes volúmenes.
- Quién se ve afectado
- Equipos de ciencia de datos, investigadores en astronomía y astrofísica, empresas proveedoras de infraestructura de computación en la nube (AWS, Google Cloud) y desarrolladores de modelos multimodales especializados en visión.
- Qué puede cambiar
- La disponibilidad de un catálogo de referencia global y abierto permite que modelos de IA generalistas y especializados en visión se entrenen con datos reales de calidad científica, acelerando capacidades de análisis automático de imágenes astronómicas. Esto podría reducir significativamente los tiempos de descubrimiento científico y democratizar el acceso a herramientas de análisis que antes requerían expertos humanos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Seguir la adopción efectiva del dataset en proyectos de ML dentro de la comunidad astronómica y empresas tech a partir de 2027; evaluar si observatorios como Vera Rubin y Nancy Grace Roman publican resultados donde modelos de IA superan a métodos clásicos; monitorear si surge financiación o productos comerciales basados en este dataset para análisis de imágenes científicas.
Recomendación Qué debería hacer una empresa
Equipos de ciencia de datos y empresas en cloud computing deberían evaluar en los próximos 6-12 meses cómo integrar datasets públicos de investigación (como este) en pipelines de entrenamiento de modelos vision para casos de uso industriales análogos (inspección visual, detección de anomalías en imágenes satélite).
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: El Confidencial Tecnología. La referencia es siempre el artículo original.
Ver fuente original ↗visión por computadoramachine learningprocesamiento de imágenesdatasets NSFDOENASAUniversidad de Arizona astronomía datasets públicos DESI IA científica observación astronómica
Relacionadas
La IA descubre 1.400 objetos cósmicos desconocidos en 35 años de imágenes del Hubble
Un equipo de la Agencia Espacial Europea (ESA) liderado por David O'Ryan y Pablo Gómez ha utilizado la herramienta de aprendizaje automático AnomalyMatch para…
Por qué importaDemuestra que la IA puede procesar y descubrir patrones en archivos científicos masivos a una velocidad imposible para equipos humanos, abriendo…
Google prueba en órbita su chip de IA en un satélite del proyecto Suncatcher
Google informa en una entrada de blog que ha encendido las TPU de su satélite y que el modelo Gemma 4 a bordo ha generado un haiku sobre estar en el espacio…
Por qué importaMuestra que el procesamiento de IA en órbita pasa de la idea a la prueba técnica, aunque se trate de una demostración inicial sin resultados de…
Un modelo de IA reproduce los movimientos oculares de la lectura, incluidas las palabras que se omiten y los retrocesos
Investigadores de Aalto University, City University of Hong Kong y National University of Singapore publicaron en Nature Human Behaviour un modelo de IA…
Por qué importaOfrece una explicación computacional de cómo influyen la atención, la memoria y el tiempo en la lectura, útil para diseñar interfaces y contenidos…
El satélite prototipo de centros de datos de Google ya funciona en órbita con un TPU y Gemma 4
El prototipo Suncatcher de Google, con un único TPU y hasta 1 kW de generación eléctrica, se lanzó en un Falcon 9 de SpaceX y ya se comunica con tierra. Tras…
Por qué importaEs una prueba temprana de si la inferencia de IA en órbita es viable, algo que solo interesa a largo plazo a empresas de infraestructura. Por ahora…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.