La informática como recolección de datos en la astronomía

Desde sus inicios, el ser humano ha querido comprender todo aquello que le rodea, desde la composición de los cuerpos, hasta su interacción con otros, dando paso así a las ciencias naturales como lo son la física, la química, la biología y las matemáticas. La astronomía abarca todo esto, pero un paso más allá, ocupándose de todo aquello que no se encuentra en nuestro planeta, como las galaxias, nebulosas, las estrellas, los cuerpos celestes, entre otros.

Su estudio se realiza, generalmente, mirando al paso, por medio de ondas electromagnéticas que recibimos de millones de años atrás.

Dado el amplio espectro de fenómenos que se estudias, esta ciencia requiere la recopilación continua y exhaustiva de un gran volumen de datos. Es aquí donde la informática y las ciencias de la computación juegan un rol importante, proporcionando herramientas y algoritmos para la recolección, almacenamiento y transferencia efectiva de estos datos. En efecto, dada la creciente necesidad de profesionales especializados, ha surgido la astroinformática, como un campo de estudio multidisciplinario que combina la astronomía, data science, informática y las tecnologías de la información y comunicación.

El radio telescopio ALMA, ubicado en San Pedro de Atacama, es uno de los lugares donde se han estado generando grandes cantidades de datos. Estos datos son almacenados en una data storage, que, aunque puede contener la información de meses, no es el almacenamiento principal. Estos datos son transferidos a una base de datos masiva aquí en Santiago, la cual contiene aproximadamente 400 TB por año.

Pero hay un problema. El problema no es solo la cantidad de datos, sino también, la variedad de estos. Una imagen de un observatorio puede detectar millones o incluso billones de objetos, y, para cada objeto, puede haber miles de atribuciones en miles de dimensiones. Esto supone un problema, no solo por los tiempos de velocidad de procesamiento, sino también, por los algoritmos empleados en el procesamiento de datos, los cuales deben ser cada vez más complejos e inteligentes.

Una tecnología para solucionar estos problemas es el machine learning, el cual consiste en crear una inteligencia artificial de manera que ésta aprenda sobre la interpretación de información. Si conoce el dato obtenido, ésta la interpretará automáticamente, en cambio, si lo desconoce, lo archivará para la inspección humana. El machine learning tiene todo el potencial para identificar patrones entre la marea de datos, para así enfocar el análisis de la información.

Otro de los desafíos encontrados con relación a los datos es el acceso a estos, ya que estas grandes cantidades no pueden ser simplemente descargadas. Esto sería un gran gasto de almacenamiento (los mismos datos estarían almacenados en distintos lugares), como de tiempo, copiar grandes cantidades de datos no es rápido, por esto, cobran importancia nuevas interfaces que permitan buscar y ver los datos remotamente.

...