El proyecto busca desarrollar herramientas de inteligencia artificial de vanguardia dentro del broker ALeRCE para procesar y comprender los millones de alertas que generará el nuevo telescopio, permitiendo estudiar fenómenos astrofísicos fugaces a una velocidad sin precedentes.
El académico de la Iniciativa de Datos e Inteligencia Artificial (IDIA) de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, Francisco Förster, se ha adjudicado el Concurso Nacional de Proyectos Fondecyt Regular 2026 con su investigación titulada «Understanding extragalactic transients in the era of Rubin». Esta adjudicación llega en un momento relevante para la astronomía mundial, justo cuando el Observatorio Vera C. Rubin se prepara para iniciar operaciones, marcando el comienzo de una nueva era en la exploración del universo dinámico.
El objetivo central de la investigación es abordar uno de los mayores desafíos de la astronomía moderna: el estudio de fenómenos transitorios extragalácticos —como supernovas, eventos de disrupción de marea, estallidos de rayos gamma y kilonovas— a la escala masiva que impondrá el Rubin. El Legacy Survey of Space and Time (LSST) de este observatorio generará decenas de millones de alertas por noche, una cantidad de datos imposible de analizar con métodos tradicionales, lo que exige una infraestructura de procesamiento avanzada y sistemas inteligentes.
Al respecto, Francisco Förster destaca la relevancia estratégica de este tipo de investigaciones para el país: «La astronomía puede ser una herramienta para potenciar el desarrollo de la inteligencia artificial desde Chile. Nuestro país se ha destacado por sus características geográficas y meteorológicas privilegiadas que han atraído los mejores observatorios del planeta, permitiendo el desarrollo de ciencia de excelencia desde Chile”.
Para enfrentar este diluvio de datos, el proyecto de Förster se enfocará en el desarrollo y despliegue de modelos de aprendizaje automático multimodal dentro del pipeline de ALeRCE, el broker astronómico chileno seleccionado oficialmente para procesar los datos del Rubin. La metodología incluye el uso de diversos inputs, como series de tiempo, imágenes, información de las galaxias anfitrionas y espectros para clasificar eventos y estimar sus parámetros físicos en tiempo real. Además, se integrarán agentes de IA impulsados por modelos grandes de lenguaje (LLMs) para automatizar el razonamiento observacional y la interacción con catálogos externos.
El impacto esperado de esta investigación es significativo tanto a nivel técnico como científico. Al calibrar estos modelos para estimar tasas de eventos robustas y comparar las observaciones con modelos teóricos de explosiones, se espera obtener nuevas perspectivas sobre la física subyacente de estas poblaciones transitorias. Asimismo, el sistema estará diseñado para identificar «outliers» o eventos novedosos que merezcan una investigación profunda, asegurando que la comunidad científica no pierda descubrimientos únicos entre millones de datos.
Finalmente, este proyecto consolidará una suite de herramientas de IA robustas y en tiempo real dentro de ALeRCE, permitiendo a investigadores chilenos y globales priorizar y analizar el universo transitorio a una escala sin precedentes. La iniciativa asegura que la comunidad científica esté equipada para explotar todo el potencial de la revolución de datos en el dominio del tiempo, estableciendo además una base metodológica aplicable a otros campos del análisis de grandes volúmenes de datos.