Tras un año y medio de desarrollo, científicos de la empresa Metric Arts, con apoyo del Instituto de Astrofísica de la Universidad Católica y Microsoft, presentaron AstroCV, un software de código abierto para el procesamiento de imágenes de gran tamaño. La innovación podría ser fundamental para identificar patrones de comportamiento de las galaxias en la era del denominado big data y aprendizaje automatizado.
El software fue presentado hoy en la en la conferencia de Software y Sistemas de Análisis de Datos Astronómicos (ADASS), organizada de forma inédita en Chile y Latinoamérica. El evento es uno de los seminarios más relevantes en el mundo de la astronomía y durante esta semana ha contado con la presencia de más de 350 expertos internacionales en hotel Shetaron de Santiago.
Los científicos presentaron el proyecto en una conferencia titulada “AstroCV, A computer vision library for Astronomy”. Según expresaron, la idea surgió en base a un trabajo colaborativo entre el Instituto de Astrofísica UC y Metric Arts hace dos años, apoyados por un Contrato Tecnológico de Corfo, con el cual se sentaron las bases para el desarrollo. Con el tiempo, también recibieron apoyo de Microsoft utilizando la plataforma Azure.
Roberto Muñoz, Astrónomo, científico de datos e investigador de Metric Arts, nos comentó la relevancia del software, mencionando que en astronomía se acostumbra a trabajar con muchos datos, a tomar imágenes del cielo, de las estrellas o galaxias, usando los telescopios. Estas imágenes a veces son muy grandes, llegando a pesar hasta un 1GB por unidad; solo en Chile, los telescopios toman entre 100 a 200 fotos por noche, generando una cantidad de datos considerable (big data).
Pero haber encontrado una forma eficiente de procesar las imágenes es solo una parte de la historia. Sin un software eficiente, no se podrían obtener resultados. En ese marco, surge el desarrollo de las librerías, código e interfaz de AstroCV. La empresa Metric Arts venía trabajando analizando imágenes y videos con temáticas terrestres (objetos, personas, animales), aunque se dieron cuenta que esto podía ser útil para la astronomía.
¿De qué forma funciona?
El programa se vincula con una cámara o un telescopio y procesa cada imagen que llega a una alta velocidad, oscilando en 30 cuadros por segundo. En este poco tiempo, el software detecta lo que refleja la imagen y, en tiempo real, busca patrones identificables. Aunque el objetivo principal es procesar las imágenes que se capturan, también existe la particularidad de ingresar fotografías ya extraídas en tiempos pasados, a modo de conseguir una implementación que pueda adaptarse a las dinámicas existentes y mejorarlas.
Para Roberto González, astrónomo, desarrollador del software y también parte de Metric Arts, trabajar con código abierto ha sido fundamental para potenciar la calidad del software, programado en el lenguaje C y con partes en python. Según nos cuenta, utilizar un lenguaje de bajo nivel tiene la particularidad de ser más eficiente, por interactuar directamente con el hardware. Otro de los elementos claves dentro del desarrollo fue el denominado aprendizaje automatizado (machine learning) y aprendizaje profundo (deep learning).
Patricio Cofré, CEO de Metric Arts, comentó que utilizaron una plataforma de Microsoft llamada Azure, “un conjunto integral de servicios en la nube que los desarrolladores y los profesionales de TI utilizan para crear, implementar y administrar aplicaciones”. Uno de los elementos claves que Cofré destaca del funcionamiento de AstroCV, es su capacidad de tracking o seguimiento.
La puerta de entrada para futuros descubrimientos
Actualmente los científicos están analizando la colaboración con telescopios en vías de construcción, como el Large Synoptic Survey Telescope, o Gran Telescopio para Rastreos o Sondeos Sinópticos, que tendrá unos ocho metros de diámetro y que generará un rango de 15 TB de datos por noche; la idea es incorporar el código como parte de su desarrollo.
Para Roberto Muñoz, innovaciones de este tipo son claves para los futuros descubrimientos astronómicos:
