|
Una investigación con inteligencia artificial cuántica liderada el Grupo de Información y Computación Cuánticas (GICC), que dirige el profesor Miguel A. Martín-Delgado en la Facultad de Ciencias Físicas de la UCM, acelera la detección de agujeros negros a partir de ondas gravitacionales.
Comparación de las distribuciones de parámetros usando qBIRD (software cuántico, azul) y el muestreador dynesty de Bilby (software clásico, verde)
Los investigadores han conseguido demostrar que una herramienta de inteligencia artificial -como la inferencia bayesiana- puede modificarse mediante un nuevo algoritmo cuántico (qBIRD) para acelerar la detección de agujeros negros y sus parámetros, tales como sus masas y posiciones en el cielo, a partir de los datos proporcionados por la detección de ondas gravitacionales de la colaboración experimental LIGO-VIRGO-KAGRA. El estudio abre una nueva vía distinta de las actuales para lograr desbloquear el cuello de botella que se está planteando en la astrofísica de las ondas gravitacionales a medida que crece el número de detecciones de objetos compactos como agujeros negros, estrellas de neutrones etc.
La investigación se ha llevado a cabo mediante una colaboración internacional entre miembros del grupo GICC de la Universidad Complutense de Madrid (G. Escrig, Dr. R. Campos y Prof. M.A. Martín-Delgado) y la Queen Mary University of London QMUL (prof. H. Qi). La profesora Hong Qi es miembro de la colaboración LIGO que descubrió la primera onda gravitacional asociada a la colisión de dos agujeros negros que mereció el Premio Nobel de Física de 2017.
Con este artículo, la revista reconoce el carácter multidisciplinar de la investigación realizada que abarca disciplinas relacionadas con la computación cuántica, la astrofísica de ondas gravitacionales y la astronomía multimensajera.
| 
