NOMAI : A real-time photometric classifier for superluminous supernovae identification. A science module for the Fink broker

El artículo presenta NOMAI, un clasificador de aprendizaje automático en tiempo real integrado en el broker Fink que identifica eficientemente candidatos a supernovas de luminosidad extrema a partir de alertas fotométricas del ZTF, logrando una alta recuperación de objetos conocidos y preparándose para su adaptación al futuro Observatorio Rubin.

Lo esencial

¡Imagina que el cielo nocturno es un océano gigante y lleno de estrellas! Durante años, los astrónomos han estado buscando algo muy especial en ese océano: Supernovas Superluminosas (SLSNe). Son como "fuegos artificiales" estelares que explotan con una luz tan brillante que pueden verse a distancias increíbles, mucho más lejos que las explosiones normales.

El problema es que estos "fuegos artificiales" son extremadamente raros. Es como intentar encontrar una aguja en un pajar, pero el pajar es un universo entero y la aguja brilla solo por un momento.

Aquí es donde entra en juego NOMAI, el protagonista de este artículo.

¿Qué es NOMAI?

Piensa en NOMAI como un detective robótico con superpoderes que trabaja en tiempo real. Su misión es vigilar el flujo constante de alertas que nos envía el telescopio ZTF (una cámara gigante que escanea el cielo cada noche).

Cada noche, este telescopio dispara cientos de miles de alertas: "¡Algo se movió!", "¡Algo brilló!". La mayoría son cosas aburridas o falsas alarmas (como un satélite pasando o una estrella que parpadea). NOMAI es el filtro inteligente que revisa todas esas alertas para encontrar a las "estrellas de rock" del universo: las supernovas superluminosas.

¿Cómo funciona este detective?

1. El Filtro de Seguridad:
   Imagina que recibes 250,000 cartas al día. Leerlas todas sería imposible. NOMAI primero usa un filtro rápido (como un portero en una fiesta) que descarta el 99% de las cartas que son obvias (como cartas de publicidad o errores). Solo deja pasar las que parecen ser eventos reales y prometedores.

2. La Historia de la Luz (Curvas de Luz):
   Una supernova no es solo un destello; es una historia que se cuenta a lo largo de semanas. NOMAI espera a tener al menos 30 días de historia de la luz de un objeto.

   • La analogía: Es como intentar reconocer a una persona por su foto. Si solo tienes una foto borrosa, es difícil. Pero si tienes una película de 30 días de esa persona caminando, hablando y sonriendo, ¡es mucho más fácil saber quién es! NOMAI analiza cómo cambia el brillo de la estrella día tras día.

3. El Traductor Matemático:
   Las curvas de luz son datos ruidosos y desordenados. NOMAI usa dos "traductores" matemáticos (llamados Rainbow y SALT2) para convertir esa historia de luz en una lista de características físicas claras: ¿Qué tan rápido subió el brillo? ¿Qué color tenía? ¿Cómo bajó la temperatura?
   Es como convertir una sinfonía compleja en una partitura simple con solo 27 notas clave.

4. El Cerebro (Machine Learning):
   Con esas 27 notas, NOMAI usa un cerebro artificial llamado XGBoost. Este cerebro ha sido entrenado con miles de ejemplos de supernovas reales y falsas. Ha aprendido a decir: "¡Esa forma de brillar es exactamente la de una Supernova Superluminosa!".

¿Qué tan bueno es?

El paper nos cuenta que NOMAI ha estado trabajando en vivo desde diciembre de 2025. Sus resultados son impresionantes:

• Completitud (66%): De cada 10 supernovas superluminosas reales que aparecen en el cielo, NOMAI encuentra a 6 o 7 de ellas. ¡Es como si en una búsqueda de tesoros, encontrara la mayoría de los mapas!
• Pureza (58%): De todas las alertas que NOMAI dice "¡Esa es una supernova!", más de la mitad son correctas. El resto son "falsas alarmas" (como galaxias activas que brillan de forma extraña), pero eso es mucho mejor que revisar millones de alertas a mano.

En un periodo de prueba de dos meses, NOMAI encontró 22 de las 24 supernovas que los humanos ya habían reportado oficialmente. ¡Casi no se le escapó ninguna!

¿Por qué es importante?

Antes, los astrónomos tenían que revisar manualmente miles de alertas, lo cual es como buscar una aguja en un pajar con una lupa. Ahora, NOMAI hace el trabajo sucio y le entrega a los expertos una lista corta de "candidatos prometedores" cada noche en un canal de chat (como Slack).

Esto es crucial porque:

1. Ahorra tiempo: Los expertos pueden enfocarse en confirmar las mejores candidatas con telescopios gigantes.
2. Velocidad: NOMAI puede identificarlas mientras aún están brillando, lo que permite estudiarlas antes de que se apaguen.
3. El Futuro (Rubin Observatory): Pronto, un nuevo telescopio llamado Vera C. Rubin enviará 10 millones de alertas por noche. Ningún ser humano podría revisarlas. NOMAI y herramientas como él serán esenciales para no perderse los descubrimientos más importantes del universo.

En resumen

NOMAI es como un guardián digital que vigila el cielo las 24 horas, aprendiendo a reconocer la firma única de las explosiones estelares más brillantes. No solo nos ayuda a encontrarlas más rápido, sino que nos asegura que, cuando el universo nos envíe una avalancha de datos en el futuro, estemos preparados para descubrir los secretos más luminosos de la cosmos.

Resumen técnico

Resumen Técnico: NOMAI – Un clasificador fotométrico en tiempo real para la identificación de supernovas superluminosas

1. El Problema

Las supernovas superluminosas (SLSNe) son explosiones estelares extremadamente raras y energéticas, con picos de luminosidad que superan a las supernovas estándar en uno o dos órdenes de magnitud. A pesar de su importancia como sondas del universo de alto desplazamiento al rojo y su potencial para revelar mecanismos físicos exóticos (como frenado de magnetares o interacción con material circunestelar denso), su identificación es un desafío crítico debido a:

• Rareza intrínseca: Representan una fracción mínima de la población de supernovas.
• Volumen de datos: Las encuestas modernas como el Zwicky Transient Facility (ZTF) generan cientos de miles de alertas por noche, y el futuro Observatorio Vera C. Rubin (LSST) aumentará esto a millones.
• Limitaciones del seguimiento: Es imposible realizar espectroscopía para cada candidato. Se requiere una clasificación fotométrica automatizada y en tiempo real para priorizar los objetivos más prometedores para el seguimiento espectroscópico.

2. Metodología

El artículo presenta NOMAI, un módulo de ciencia integrado en el broker de alertas Fink, diseñado para identificar candidatos a SLSNe directamente desde el flujo de datos fotométricos del ZTF.

• Preprocesamiento y Filtrado:

  • Se aplica un filtro inicial (transient_complete) para eliminar el 99% de las alertas no transitorias (estrellas variables, artefactos, objetos del sistema solar), reduciendo el flujo a cientos de eventos por noche.
  • Se imponen cortes de calidad: se requiere al menos 30 días de historia fotométrica y más de 7 observaciones (con un mínimo de 3 en los filtros g y r) para asegurar una evolución temporal suficiente, aunque esto puede retrasar la detección de eventos muy rápidos.

• Construcción del Conjunto de Datos:

  • Se recopilaron 5280 fuentes únicas etiquetadas, combinando datos de Fritz, TNS (Transient Name Server) y muestras de literatura.
  • El conjunto incluye 225 SLSNe confirmadas espectroscópicamente.
  • Para simular el entorno en tiempo real, las curvas de luz completas se descomponen en "pseudo-alertas" truncadas, representando diferentes etapas evolutivas del transitorio.
  • Se etiquetaron manualmente ~200 contaminantes (AGN, estrellas) para mejorar la robustez del modelo.

• Extracción de Características (Features):

  • En lugar de usar las curvas de luz crudas, se extraen 27 características físicas motivadas por modelos:
    • Rainbow: Un marco de ajuste multibanda basado en cuerpo negro que modela la evolución del flujo (función Bazin) y la temperatura (función sigmoide).
    • SALT2: Ajuste empírico específico para supernovas Tipo Ia para identificar y separar este tipo común.
    • Estadísticas directas: Pendientes, desviaciones estándar, asimetría, distancia angular a objetos vecinos, etc.
  • Se utiliza un umbral de magnitud absoluta (calculado con redshifts fotométricos) para refinar las probabilidades de clasificación.

• Algoritmo de Clasificación:

  • Se emplea un clasificador XGBoost (Gradient Boosting).
  • Se optimizan los hiperparámetros mediante búsqueda en cuadrícula aleatoria para maximizar la puntuación F1 (equilibrio entre pureza y completitud).
  • Se aplican pesos a las clases para mitigar el desequilibrio en el conjunto de datos (las SLSNe son minoría).

3. Contribuciones Clave

• Implementación en Tiempo Real: NOMAI es el primer clasificador de SLSNe desplegado como un módulo de ciencia en el broker Fink, operando continuamente en el flujo de alertas del ZTF desde diciembre de 2025.
• Independencia Espectroscópica: El modelo no requiere un desplazamiento al rojo (redshift) espectroscópico para funcionar, utilizando únicamente fotometría y redshifts fotométricos disponibles públicamente.
• Automatización y Difusión: Se ha implementado un bot de Slack que publica automáticamente cada noche los candidatos identificados, facilitando la toma de decisiones rápida por parte de los astrónomos.
• Adaptabilidad: La metodología está diseñada para ser fácilmente transferible a futuros datos del LSST.

4. Resultados

• Rendimiento en el Conjunto de Entrenamiento:

  • Completitud: 66% (identifica 2 de cada 3 SLSNe).
  • Pureza: 58% (de los candidatos identificados, el 58% son realmente SLSNe).
  • El modelo logra separar eficazmente las SLSNe de las SNe Ia, SNe de colapso del núcleo y AGN, utilizando principalmente el parámetro de estiramiento ($x_1$) de SALT2 y los parámetros de ajuste de Rainbow.

• Rendimiento en Operaciones Reales (Primeros 2 meses):

  • De 24 SLSNe activas reportadas en el TNS durante el periodo de prueba, NOMAI recuperó correctamente 22 (92%), demostrando una alta completitud operativa.
  • De las 83 fuentes clasificadas como candidatas, 39 se consideraron identificaciones correctas (incluyendo 22 confirmadas en TNS).
  • Los falsos positivos se debieron principalmente a AGN con variabilidad estocástica o problemas de fotometría que generaron curvas de luz planas.

5. Significado e Impacto

NOMAI representa un avance significativo en la astronomía de dominio temporal al proporcionar una herramienta automatizada que permite a los expertos escanear eficientemente grandes flujos de alertas.

• Validación Temprana: El sistema ha permitido identificar candidatos prometedores antes de que recibieran atención experta o confirmación espectroscópica, acelerando el ciclo de descubrimiento.
• Preparación para LSST: Dado que el Observatorio Vera C. Rubin generará un volumen de datos sin precedentes, la capacidad de clasificar fotométricamente en tiempo real es esencial. NOMAI demuestra que los enfoques basados en características físicas y aprendizaje automático son viables y necesarios para explotar el potencial científico de las próximas encuestas.
• Limitaciones y Futuro: El requisito de 30 días de datos puede retrasar la detección de SLSNe de evolución rápida. Futuras iteraciones buscarán reducir este umbral y incorporar información de la galaxia anfitriona para mejorar la pureza.

En conclusión, NOMAI es una herramienta robusta y operativa que mejora la eficiencia en la búsqueda de eventos transitorios extremos, cerrando la brecha entre la generación masiva de alertas y la capacidad humana de seguimiento.