Fundamentos de ondas gravitacionales e introducción a herramientas de IA
Ondas gravitacionales: panorama general. Radiación gravitacional y la fórmula del cuadrupolo. Polarizaciones. Clasificación de fuentes: coalescencias de binarias compactas (CBCs), binarias de agujeros negros supermasivos (SMBHBs), ondas continuas, fondos estocásticos. Breve historia: de la predicción de Einstein a la primera detección de LIGO.
Introducción a Claude Code y estrategias de interacción con agentes de IA. Derivación de la masa chirp y generación de formas de onda + ejercicios guiados.
Detección terrestre y la colaboración LVK
Principios de interferometría láser. Curvas de sensibilidad y fuentes de ruido. Matched filtering. Anatomía de una detección: GW150914. Resultados principales de LVK: primeras detecciones, GW170817 y astronomía multi-mensajero, catálogos GWTC.
Generación de formas de onda con bibliotecas de Python, ejercicio de matched filtering con señal inyectada, exploración de datos abiertos de GWOSC.
Arreglos de temporización de púlsares (PTAs)
Púlsares de milisegundo como relojes cósmicos. Ondas gravitacionales de nanohertz producidas por binarias de agujeros negros supermasivos. Concepto de un PTA: correlaciones en los residuos de temporización. La curva de Hellings-Downs. Resultados recientes: NANOGrav, EPTA, PPTA, IPTA. Evidencia de un fondo estocástico de ondas gravitacionales. Preguntas abiertas sobre el origen de la señal.
Simulación de un PTA simplificado, inyección de señal y cómputo de correlaciones angulares. Exploración de datos con asistencia de IA. Discusión sobre flujos de trabajo transferibles a cualquier conjunto de datos.
Modelado astrofísico: de poblaciones a predicciones
Conexión entre las observaciones de ondas gravitacionales y los modelos astrofísicos, interpretación de los datos.
Poblaciones de CBCs y canales de formación
El espectro de masas de agujeros negros en fusión según el catálogo de LVK. Inferencia bayesiana jerárquica: cómo inferir propiedades poblacionales a partir de mediciones individuales ruidosas. La brecha de masas (mass gap) y las supernovas de inestabilidad de pares (PISN): dónde la teoría predice que no deberían formarse agujeros negros, y qué dicen los datos. Eventos pesados: GW321123 y la brecha de masas superior. Canales de formación: evolución binaria aislada vs. formación dinámica en cúmulos densos. Diferencias entre las distribuciones de masa, espín y excentricidad.
El fondo de ondas gravitacionales de PTAs y la astrofísica de SMBHBs
Predicción de la amplitud del fondo a partir de la población local de agujeros negros supermasivos. La relación M–σ y funciones de masa de SMBHs. El problema de la amplitud: por qué la señal observada por los PTAs parece mayor que las predicciones basadas en relaciones de escala locales. Uso de la información espectral completa del posterior de espectro libre de NANOGrav, el rol de las fluctuaciones de Poisson de fuentes discretas, y las restricciones sobre la población de fusiones de SMBHs. Preguntas abiertas: tasas de fusión, tiempos de retardo, cocientes de masa, rol de la acreción.
Dos ejemplos trabajados con agentes de IA: (1) construcción de la distribución de masas del catálogo de LVK y comparación con modelos poblacionales; (2) cálculo simplificado del espectro del fondo gravitacional a partir de una función de masa de SMBHs y la relación M–σ, comparando con los datos de NANOGrav.
Problemas abiertos, IA en la ciencia e inicio de proyectos
El futuro de la ciencia de ondas gravitacionales: detectores de tercera generación (Einstein Telescope, Cosmic Explorer), LISA y detección espacial, astronomía multi-banda.
Preguntas abiertas: ondas gravitacionales primordiales, pruebas de relatividad general, cosmología con sirenas estándar. El rol de la IA en la investigación científica actual: casos de estudio de físicos trabajando con agentes de IA en física teórica, fenomenología de partículas, cosmología observacional y computación científica autónoma. Discusión: qué funciona, qué no, y el rol irremplazable de la experiencia de dominio.
Presentación de opciones de proyectos, formación de equipos, planificación y comienzo del trabajo.
Sesión Virtual – Presentaciones finales
Cada equipo hará una presentación de su proyecto y luego responderá preguntas. Los estudiantes pueden elegir entre proyectos sugeridos (reproducción de resultados publicados, exploración del catálogo de LVK, modelado del fondo de PTAs, clasificación de señales con machine learning) o proponer un proyecto propio, incluyendo la aplicación de los flujos de trabajo de IA a problemas de su propia área de investigación.