La NASA adelantó a septiembre de 2026 el lanzamiento del telescopio espacial Nancy Grace Roman, que entrará en órbita ocho meses antes de lo previsto y generará unos 20.000 terabytes de datos a lo largo de su vida útil. Su producción se sumará al flujo masivo de información del telescopio espacial James Webb, que envía unos 57 gigabytes diarios de imágenes, y al próximo inicio de operaciones del Observatorio Vera C. Rubin en Chile, que captará unos 20 terabytes por noche. En contraste, el veterano Hubble solo produce entre 1 y 2 gigabytes al día, lo que ilustra el salto gigantesco en volumen de datos que afronta hoy la astronomía.
Ante esta avalancha de información, los astrónomos están recurriendo de forma sistemática a las GPU y a la inteligencia artificial. El astrofísico Brant Robertson, de la Universidad de California en Santa Cruz, lleva 15 años colaborando con Nvidia para aplicar GPUs tanto a simulaciones de fenómenos como las supernovas como al análisis de grandes bases de datos de observación. Junto con el entonces estudiante Ryan Hausen desarrolló Morpheus, un modelo de deep learning capaz de identificar galaxias en datos de telescopios espaciales. El uso temprano de Morpheus con datos del James Webb permitió detectar un número inesperadamente alto de galaxias disco, lo que añade complejidad a las teorías sobre la formación del universo.
Ahora Robertson está rediseñando Morpheus, sustituyendo las redes neuronales convolucionales por arquitecturas tipo transformers, las mismas que impulsan los grandes modelos de lenguaje. Esto permitirá analizar áreas de cielo mucho más grandes en menos tiempo. Además, está creando modelos generativos entrenados con datos de telescopios espaciales para corregir y mejorar las observaciones de telescopios terrestres, afectadas por la distorsión atmosférica.
Sin embargo, el avance se ve limitado por la presión global sobre los recursos de GPU y por presupuestos ajustados. Robertson ha levantado un clúster de GPU en UC Santa Cruz con apoyo de la Fundación Nacional de Ciencia de EE. UU. (NSF), pero la infraestructura se queda obsoleta rápidamente mientras crece la demanda. Los recortes propuestos al presupuesto de la NSF agravan el problema, obligando a los investigadores a ser más emprendedores y a convencer a universidades y financiadores de que la computación intensiva en IA ya es esencial para el futuro de la astronomía.
