European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Origins of the Molecular Cloud Structure

Article Category

Article available in the following languages:

La génesis de estrellas bajo una nueva óptica

Una investigación nueva ofrece información inédita sobre las nubes de gas, su ubicación en la vía láctea y su influencia en la formación de estrellas nuevas.

Espacio icon Espacio

En una galaxia no tan lejana, se creó una estrella. De hecho, aquí en la Vía Láctea, se crean varias estrellas nuevas cada día. Se sabe que estas estrellas nuevas se forman cuando el gas interestelar se comprime, pero aún es necesario aclarar cuestiones importantes sobre el proceso de formación estelar. ¿Qué funciones tienen la gravedad y la turbulencia en la formación de estrellas? ¿Cómo se distribuye el gas interestelar? ¿Cómo construyen las galaxias su contenido estelar? Responder a estas y otras preguntas fue el objetivo del proyecto PROMISE. «Nos propusimos obtener información nueva sobre cómo se mueven y evolucionan las estructuras de gas en las nubes y cómo conduce esto a la formación de estrellas nuevas —afirma Jouni Kainulainen, investigador en la Universidad Tecnológica Chalmers y coordinador del proyecto PROMISE—. De este modo nos propusimos ayudar a los científicos a conocer mejor la apariencia de la compleja estructura interna de las nubes de gas».

Mapeo y aprendizaje automático

En la base del proyecto respaldado por el Consejo Europeo de Investigación se situó la creación de un mapa innovador que muestra la ubicación y la estructura de miles de nubes de gas formadoras de estrellas en la Vía Láctea. «Se trata de nuestro resultado más importante, con diferencia, y ayudará a astrónomos y otros investigadores a estudiar las nubes de gas y la formación estelar durante años», explica Kainulainen. Otro resultado fundamental fue una descripción nueva de cómo se desplaza el gas en la Vía Láctea, una descripción posibilitada gracias al empleo de algoritmos de aprendizaje automático. «Los telescopios modernos producen conjuntos de datos enormes, mucho mayores de lo que puede abarcar la mente humana —aclara. El aprendizaje automático es una herramienta que puede ayudarnos a interpretar estos datos». Según Kainulainen, estos algoritmos nuevos permiten a la ciencia automatizar los procesos de análisis que antes se hacían a mano y de la mejor manera posible. «Ahora es posible analizar rápidamente grandes corpus de datos y obtener información que de otro modo permanecería oculta», añade. Este avance ofreció al proyecto la posibilidad de extraer información nueva sobre la ubicación del gas en la Vía Láctea y su movimiento. Los resultados fueron sorprendentes. «Descubrimos que todo el gas interestelar presenta patrones cinemáticos sistemáticos interesantes —confirma Kainulainen—. Como todavía no comprendemos estos patrones a la perfección, cabe realizar nuevas investigaciones». En el proyecto también se investigó la estructura interna y la función de las nubes de gas interestelar en la formación de estrellas. «Somos de los primeros en este campo en describir cómo el gas de estas nubes ampliamente estudiadas, como por ejemplo la nube de Orión, se fragmentan en unidades cada vez más pequeñas hasta que forman estrellas», añade.

Nuevas estrellas y nuevos retos

El proyecto ya ha llegado a su fin, pero el mapa de PROMISE seguirá actualizándose con información y datos nuevos. El equipo de investigación se propone además hacer un seguimiento de las muchas ideas y dudas que han surgido a partir de su trabajo. «Estoy orgulloso de que, a pesar de los obstáculos, desde la obtención de los datos hasta la investigación durante la pandemia de COVID-19, lográramos producir resultados relevantes y duraderos —concluye Kainulainen—. Estoy particularmente orgulloso del equipo de investigación estelar y del impacto que hemos ejercido en el campo de la investigación del medio interestelar».

Palabras clave

PROMISE, formación de estrellas, nubes de gas, Vía Láctea, galaxia, gas interestelar, astrónomos, aprendizaje automático, datos, algoritmo

Descubra otros artículos del mismo campo de aplicación