¿Cómo estudian Los científicos el universo?

La cosmología es una ciencia

complicada: nadie puede fabricar sus propias estrellas, planetas o galaxias
para demostrar sus teorías. Pero en las últimas décadas ha surgido un nuevo
tipo de investigación astrofísica que llena el vacío entre teoría y
experimentación. En El universo en una caja, el profesor de Cosmología
Andrew Pontzen explica de una manera clara y rigurosa qué son las
simulaciones, esos códigos informáticos con los que los científicos han
podido recrear el universo y profundizar en su historia, poniendo a prueba
por primera vez ideas centenarias. Esta suerte de manual fundamental para
amantes de la astronomía, que aún está desplegando sus capacidades,
replantea lo que creemos saber sobre los agujeros negros o la materia
cósmica para arrojar nuevas luces sobre nuestra realidad. Las simulaciones
son esenciales para la predicción meteorológica, la epidemiología, la
neurociencia, la planificación financiera e incluso el diseño aeronáutico.
Iluminadora, provocadora y audaz, esta es la historia de nuestro hogar, el
cosmos, contada a través de universos alojados dentro de ordenadores.
 Andrew Pontzen

El universo en una caja

Una nueva historia del cosmos

ePub r1.0
Titivillus 22-11-2024
Título original: The Universe in a Box
Andrew Pontzen, 2023
Traducción: Álvaro Marcos

Editor digital: Titivillus

ePub base r2.1
 Nota editor digital: edición basada en la edición-papel
(cualquier modificación/corrección realizada sobre la edición-papel se
indica con fuente color rojo sobre fondo amarillo, class="errata")
A mi familia
 Introducción

Muy de tanto en tanto se producen descubrimientos en la vida que nos

abren la mente a una dimensión completamente nueva. A la hora de situar el
origen de su pasión por el espacio, mis colegas astrónomos suelen
remontarse al día en que, siendo niños, les regalaron un telescopio; a la
primera noche que durmieron al raso, bajo las estrellas; o a las
retransmisiones televisivas de las primeras expediciones a la Luna. En mi
caso, el recuerdo que perdura en mi memoria es el hallazgo del ordenador
de mi padre, un Spectrum ZX, cuando yo tenía siete años. Músico de
profesión e ingeniero electrónico de formación, mi padre trabajaba por
aquella época con varios de los primeros modelos de sintetizadores
digitales. La informática doméstica constituía por entonces la nueva
frontera tecnológica. Con su teclado de plástico, adornado con el
característico arcoíris, el Spectrum estaba enchufado a una televisión vieja
que teníamos en el sótano y no tardó en absorber toda mi atención durante
horas y horas al día. Si se le daban las instrucciones adecuadas, la máquina
era capaz de hacer casi cualquier cosa, o esa impresión daba.
El Spectrum podía almacenar juegos y otros programas (aplicaciones y
código, en la terminología actual) en casetes de audio. Cargar alguno de
ellos suponía embarcarse en una aventura incierta que conllevaba buenas
dosis de ensayo y error: había que pasar la cinta hacia adelante o
rebobinarla hasta encontrar el punto exacto, después teclear LOAD
(«cargar»), apretar el botón de PLAY de la pletina y esperar unos minutos
mientras el aparato emitía unos sonidos extraños, como de ciencia ficción, y
en la pantalla aparecían destellos de colores psicodélicos. Pasado un rato, el
proceso de carga concluía abruptamente y, si había suerte, el juego
arrancaba.
Un día, en una de las innumerables casetes de mi padre encontré un
programa llamado SatOrb[1]. El juego, una verdadera joya, consistía en
lanzar un satélite y ponerlo en la órbita del planeta que eligieras (se podía
escoger cualquiera del sistema solar). Había que introducir una altura y una
velocidad iniciales y, en función de esos parámetros, el programa calculaba
la hipotética trayectoria del aparato. A medida que la ruta, una línea
amarilla y pixelada, iba apareciendo lentamente en la negra pantalla, el
jugador intentaba adivinar qué sucedería a continuación. ¿Se estrellaría el
satélite contra la superficie del planeta? ¿Se perdería en el espacio? ¿O
lograría su objetivo de fijar una órbita estable? Con la práctica, uno
aprendía a introducir los valores adecuados, de modo que la nave diera una
vuelta completa al planeta, como sucede con la Luna y con los miles de
satélites artificiales que giran alrededor de la Tierra.
SatOrb despertó mi interés por la física y por la programación, una
afición que me tuvo encerrado gran parte de la adolescencia en el sótano de
casa, escribiendo código para crear mis propios programas informáticos. Es
cierto que tenía algunos libros sobre el espacio que me gustaba hojear y que
de tanto en tanto observaba el cielo nocturno, pero nunca se me ocurrió
pedir que me regalaran un telescopio. El borroso universo de píxeles a todo
color de la pequeña caja negra con la que trabajaba se me antojaba más real
que el remoto espacio exterior.
Lo que yo no sabía por entonces es que SatOrb era en realidad una
simulación rudimentaria.
Las simulaciones tratan de reproducir escenarios reales con la ayuda de
un ordenador y su uso está hoy tan extendido que atañen a casi todos los
aspectos de nuestra vida. Las predicciones meteorológicas en las que
confiamos se basan en simulaciones de la atmósfera de la Tierra. Los
prototipos de los coches que conducimos o de los aviones en que volamos
han sido probados antes mediante simulaciones. Y éstas son también una
parte esencial de los efectos especiales generados por ordenador que se
emplean en cine y televisión. El desarrollo de videojuegos, de prototipos
arquitectónicos, de planes financieros e incluso el de algunos procesos de
toma de decisiones en la sanidad pública se apoyan asimismo en el uso de
simulaciones informáticas.
Mi labor como cosmólogo implica desarrollar simulaciones del universo
con la ayuda de ordenadores. El objetivo es lograr comprender qué hay ahí
fuera, cómo surgió y cómo afecta a nuestra vida aquí, en la Tierra. En líneas
generales, usamos el ordenador como si fuera un laboratorio. A diferencia
de otros científicos, los cosmólogos no podemos desarrollar experimentos
en el sentido tradicional del término: no hay forma de controlar el universo
y, en el improbable caso de que pudiéramos hacerlo, tendríamos que esperar
eras cósmicas (miles de millones de años) para obtener resultados. Por el
contrario, las simulaciones permiten recrear un universo informatizado
donde el tiempo y el espacio están bajo nuestro control.
Lo que me atrapó de los ordenadores desde un principio fue la
posibilidad de crear mundos virtuales. No obstante, mi vida actual no
consiste en estar encerrado, tecleando, en una habitación oscura. Trabajo
con decenas de colegas no sólo de Londres, donde resido, sino de todo el
mundo, y publicamos el resultado de nuestras investigaciones en revistas
científicas que llegan a centenares de expertos del mismo campo. El éxito
de esta empresa radica en la suma y la acumulación del trabajo de miles de
personas, quienes emplean para ello ordenadores extraordinariamente
potentes, máquinas que ocupan habitaciones enteras refrigeradas con aire
acondicionado.
Existe otra diferencia importante entre mi trabajo actual y SatOrb: la
trayectoria de una nave que órbita alrededor de un planeta se puede calcular
usando papel y lápiz. Los cálculos manuales pueden ser tediosos y
susceptibles de error, pero no hay nada de lo que hace SatOrb que no pueda
hacer un humano con algo de paciencia. Los resultados que arroja el
programa no sorprenderían a ningún licenciado en Física y, desde luego, no
revelan nada novedoso sobre la realidad en la que vivimos. Sin embargo,
cuando simulamos el universo en su totalidad, sí que aprendemos cosas
nuevas, ya que los resultados superan a menudo nuestras expectativas.
En este libro, trataré de explicar por qué sucede eso. Pues no se trata
sólo de la delirante extensión física del universo, aunque ése sea, por
supuesto, un factor digno de consideración. Si ya es difícil hacerse una idea
cabal de las dimensiones de la Tierra, con sus casi trece mil kilómetros de
diámetro, no digamos ya del tamaño del Sol (1,3 millones de veces más
grande que nuestro planeta). Éste, además, es sólo una de entre los cientos
de miles de millones de estrellas de la galaxia que habitamos, la Vía Láctea,
que a su vez, es sólo una de los cientos de miles de millones de galaxias
(con sus diferentes formas, tamaños y colores) que conforman lo que
conocemos como «red» o «telaraña cósmica». A pesar de su gigantesca
escala, las simulaciones revelan el papel que estas estructuras han
desempeñado en nuestro propio origen, pues, como intentaré mostrar, las
formas de vida basadas en el carbono no podrían haber aparecido en nuestro
pequeño y rocoso planeta sin la intervención de estas estructuras colosales.
Es algo verdaderamente alucinante y resulta difícil hacerse una idea cabal
de ello.
Pero el universo no sólo es gigantesco. También es de una complejidad
enorme. Y las simulaciones informáticas resultan en especial útiles a la hora
de rastrear el caleidoscopio formado por los miles de millones de estrellas,
agujeros negros, nubes de gas y motas de polvo. Es extraordinariamente
difícil anticipar el comportamiento colectivo de semejante cantidad de
elementos cuando se combinan, pues no puede deducirse tan sólo de las
leyes físicas que rigen el comportamiento individual de cada uno.
Esta gran diferencia entre las conductas individuales y colectivas puede
apreciarse mediante el estudio de los insectos sociales en la Tierra. Las
hormigas guerreras, por ejemplo, se desplazan en masa para localizar
colonias de insectos más pequeños, a los que devoran. Mientras avanzan,
realizan increíbles hazañas cooperativas: usan el cuerpo para allanar el
camino o incluso para construir puentes con los que salvar los pequeños
accidentes del terreno. Sin embargo, ninguna de ellas decide qué ruta hay
que seguir para encontrar comida, ni diseña los planos del puente o
dictamina en qué punto del camino hay que rellenar badenes. No existe un
principio organizador como tal, pero aun así desarrollan estructuras
organizadas, difícilmente predecibles si uno estudia la conducta de una
hormiga aislada.
En un principio, esto puede parecernos contraintuitivo, ya que las
formas humanas de organización social se asientan fuertemente sobre la
jerarquía y la planificación. Al contemplar el comportamiento colectivo de
las hormigas guerreras, un observador humano se sentirá tentado de atribuir
la eficaz estrategia del grupo para conseguir comida a la sagaz decisión de
uno de los miembros de la colonia. Pero no existe tal individuo. Sólo
existen hormigas solitarias que siguen reglas sencillas e invariables, como
la de unirse a su compañera para formar un puente cuando tienen un gran
número de individuos empujando detrás, o deshacer la estructura y reanudar
la marcha cuando ya no hay más compañeras trepando por su espalda[2]. La
complejidad emerge del gran número de individuos que siguen estas
reglas[3].
Uno de los objetivos principales de los cosmólogos es lograr entender
cómo puede emerger un universo coherente y organizado a partir de una
aglomeración de estrellas, gas y polvo cósmico. Para ello, construimos
simulaciones informáticas basadas en las leyes de la naturaleza (como las
que gobiernan la gravedad, la física de partículas, la luz o la radiación, entre
otras), con el objetivo de obtener predicciones que puedan ser contrastadas
a su vez con las observaciones del cielo nocturno. Gracias a la precisión y
rapidez de su aritmética, los ordenadores pueden aplicar una y otra vez
reglas sencillas a millones o miles de millones de subelementos, revelando
de paso cómo un conjunto de reglas determinadas puede generar nuevos y
sorprendentes comportamientos colectivos.
Las simulaciones nos ofrecen una visión panorámica y nos permiten
hacernos una idea del modo en que el universo trasciende las leyes de la
naturaleza a su pequeña escala. Al terminar el libro, habremos comprendido
hasta qué punto es radical el intrincado ecosistema cósmico del que
depende nuestra contingente existencia.
EL ARTE DE LAS SIMULACIONES

Hace falta bastante descaro para pretender capturar el universo en un

ordenador, pues las dificultades son inherentes al propio objetivo:
comprender cómo se combina una multiplicidad de influencias diminutas
para determinar un resultado global constituye una labor intrínsecamente
compleja. Basta con que la simulación calibre mal, aunque sea por poco,
uno de los parámetros para que el resultado sea del todo erróneo. El arte de
la simulación consiste en representar los elementos individuales con tanta
precisión como sea posible, teniendo en cuenta al mismo tiempo las
inevitables limitaciones del propio cálculo, de modo que las conclusiones
puedan abordarse con la necesaria cautela.
A primera vista, la prudencia puede chocarnos. En el colegio nos
enseñan que el universo se rige por una serie de leyes rígidas e
incontestables, por lo que, en principio, debería ser posible construir un
modelo virtual siguiendo las leyes de la física mecánica que han sido tan
rigurosa y extensamente verificadas. El margen de error debería ser
pequeño. Esas leyes constituyen, además, una colección formal de
conocimientos y expectativas formulados en el preciso lenguaje de las
matemáticas, un lenguaje perfecto, a su vez, para ser traducido a código
informático. Sin embargo, no todo es tan sencillo como podría parecer.
Pensemos en un parte meteorológico. Los presentadores de la tele que
nos dicen qué tiempo hará mañana basan sus predicciones en simulaciones
informáticas de la atmósfera de la Tierra que combinan la interacción de
innumerables factores (como el viento, las nubes o la lluvia) para elaborar
posibles escenarios. Pero ni el viento, ni las nubes ni la lluvia son objetos
directos en las leyes de la física, pues estas atañen en realidad a los átomos
y a las moléculas individuales. El tiempo meteorológico es la combinación
del efecto de las 1044 moléculas que existen en la atmósfera terrestre, cuya
localización y movimiento individuales tendría que conocer el simulador.
Pero tal conocimiento es imposible. La capacidad de cualquier
ordenador es limitada y puede medirse en bits, la cantidad mínima de
almacenamiento (equivalente a un interruptor, que puede estar encendido o
apagado). Por sí mismo, un solo bit no es muy descriptivo de nada, pero si
se cuenta con el número suficiente de ellos, se puede almacenar cualquier
información. Las imágenes en blanco y negro, por ejemplo, pueden
representarse en forma de bits en una cuadrícula: un interruptor activado
representa un punto negro y uno desactivado, una celda vacía. Números,
letras, colores, sonidos, vídeos, amigos de Facebook…; todo puede ser
almacenado en forma de bits, y cuantos más bits tengamos, más descriptiva
será nuestra representación de la información almacenada. El Spectrum ZX
de mi padre tenía casi cuatrocientos mil bits de memoria. El portátil en el
que estoy tecleando esto tiene cien mil millones de bits. Hay
superordenadores que tienen más de diez mil billones.
Esas capacidades ni siquiera se acercan a lo que haría falta para poder
simular la atmósfera de la Tierra a escala molecular. Si almacenáramos la
información correspondiente a cada molécula en un bit, necesitaríamos
incrementar en un factor de 1021 la capacidad actual de los centros de
computación mundiales[4].
Las predicciones meteorológicas, por tanto, no pueden construirse sobre
la base de átomos y moléculas, del mismo modo que las simulaciones que
tratan de estudiar galaxias enteras tampoco pueden basarse en sus
componentes fundamentales. Para poder ser generadas por ordenador, las
descripciones del clima, de una galaxia o del propio universo tienen que
combinar vastos números de moléculas y representar cómo se mueven en
masa: cómo colisionan entre sí, cómo transportan energía, cómo reaccionan
a la luz y la radiación, etc.; y todo ello sin hacer referencia explícita a los
incontables elementos individuales que conforman el conjunto.
Si el objetivo consistiera sólo en reproducir la realidad en un ordenador,
los recursos con que contamos resultarían ridículamente escasos, pues las
limitaciones de lo que podemos lograr en la práctica son desalentadoras. Sin
embargo, durante el último medio siglo, a medida que la tecnología ha ido
avanzando, la creciente comunidad internacional de astrofísicos ha
conseguido afinar cada vez más las simulaciones cosmológicas con la
ayuda de una serie de astutos atajos y trucos técnicos.
En las páginas que siguen explicaré cómo se inventaron algunos de
ellos. En algunos casos, nacieron gracias al duro trabajo de doctorandos que
luchaban por que sus ideas fueran reconocidas; en otros, fueron el fruto de
la investigación de laboratorios enteros, cuyos equipos unieron fuerzas para
resolver complicados problemas; y aun en otros, de proyectos de
investigación impulsados a nivel nacional por altas instancias
gubernamentales. Algunos de esos atajos se apoyan sobre una sólida base
teórica, pero otros fueron más —⁠seamos sinceros⁠— como dar palos de
ciego. Por esa razón, no siempre podemos tomarnos al pie de la letra los
resultados de las simulaciones.
Y este problema no es exclusivo de la cosmología. La humanidad confía
cada vez más en simulaciones, modelos y algoritmos, y las líneas divisorias
entre estas categorías son borrosas. Tiendo a pensar en los algoritmos como
parámetros que determinan un curso de acción; por ejemplo, la forma en
que un piloto automático corrige el rumbo de un avión, en que un sitio web
decide qué publicaciones mostrar, o aquélla en que un GPS calcula una ruta
de viaje. En los casos en que estas decisiones no son evidentes, hace falta
contar con un modelo subyacente, es decir, con una descripción previa de
fenómenos relevantes como pueden ser la dinámica del vuelo, los intervalos
de atención humana o el esperable flujo de tráfico. Si ese modelo conlleva
la interacción de numerosos elementos diferentes, la mejor herramienta para
representarlo es una simulación.
Un buen ejemplo de la delgada línea que separa los algoritmos, los
modelos y las simulaciones son las operaciones financieras, un campo en el
que la física desempeñó un papel crucial en la crisis económica de 2008[5].
El objeto de los modelos financieros es predecir la fluctuación de las
acciones, partiendo de la información que tenemos sobre el mundo real.
Esas predicciones, por supuesto, no pueden calcularse al detalle, pero a
principios del año 2000, los fondos de cobertura quedaron fascinados con
los físicos teóricos y su capacidad para hacer conjeturas fundamentadas. A
partir de una serie de asunciones simples sobre cómo evoluciona el valor de
las acciones individuales en el tiempo, los llamados quants[6] construyeron
simulaciones de los movimientos de los mercados a largo plazo[7].
Basándose en las predicciones resultantes, los gestores de inversiones
comenzaron a realizar operaciones especulativas.
Pero los modelos y las simulaciones no son recreaciones de la realidad,
sino que son tan fiables como lo sean las simplificaciones sobre las que
reposan. Cuando los mercados se alteran, los inversores individuales entran
en pánico y comienzan a cuestionarse cada decisión. Es muy difícil
desarrollar reglas que describan cómo se comporta la bolsa en esas
circunstancias, y las apuestas pueden tener los resultados más desastrosos.
Los inversores que, careciendo de la prudencia necesaria, habían confiado
ciegamente en las profecías de los modelos y las simulaciones vieron
desaparecer su fortuna en un abrir y cerrar de ojos.
Ya mucho antes, en la década de los sesenta, hubo matemáticos que
advirtieron de que las asunciones en las que reposan las predicciones
financieras no son capaces de anticipar los riesgos de cracs bursátiles,
infrecuentes pero potencialmente catastróficos[8]. En los años dos mil
también hubo inversores prudentes que tomaron con pinzas las promesas de
los autores de los modelos y se protegieron contra tales eventualidades.
Pero otros quedaron deslumbrados por las espectaculares predicciones
informáticas y, como consecuencia, hicieron perder a sus clientes sumas
astronómicas de dinero.
La lección que cabe extraer de todo ello no es que las simulaciones no
sirvan para nada, sino que contienen muchos matices y no pueden ser
interpretadas literalmente. La adecuada interpretación de una simulación
requiere una comprensión profunda de sus limitaciones, que a su vez tienen
que ver con las simplificaciones operativas que hacen los mundos virtuales
de la realidad y de su complejidad inabarcable. Cuanto mejor entendamos
esas imperfecciones de partida, mejor podremos interpretar lo que la
simulación nos está diciendo realmente.
Tras la debacle financiera de 2008, dos prestigiosos quants publicaron
una suerte de juramento hipocrático para los desarrolladores de modelos
predictivos: «Recordaré siempre que yo no he creado el mundo y que el
mundo no se ajusta a mis ecuaciones […]. No daré falsas garantías sobre su
precisión a las personas que usen mis modelos. Seré transparente con los
usuarios acerca de las asunciones y puntos ciegos de dichos modelos»[9]. Se
trata de máximas aplicables también a las simulaciones cosmológicas.
Los riesgos económicos de simular el universo son pequeños si se
comparan con los billones de dólares que hay en juego en las operaciones
bursátiles. Aun así, los cosmólogos también necesitamos comprender qué
aspectos de nuestras simulaciones son fiables y cuáles no. Tratamos de
reconstruir una historia de la creación que sea lo suficientemente fiable para
guiar con fundamento la inversión en nuevos telescopios y laboratorios, ya
que todo el dinero destinado a la investigación en física fundamental debe
gastarse sabiamente, maximizando la posibilidad de efectuar nuevos
descubrimientos científicos.

EL LABORATORIO CÓSMICO

Las simulaciones que voy a presentar contienen algunos elementos

fantásticos, como la materia y la energía oscuras, que constituyen un buen
punto de partida. Se trata de sustancias exóticas que nunca han sido halladas
en la Tierra y resultan invisibles para el más potente y sensible de los
telescopios, pero, al mismo tiempo, parecen imprescindibles para
comprender la historia del cosmos. Sin ellas, los programas informáticos no
podrían generar una representación cabal del universo.
Lo absurdo de formular hipótesis partiendo de estas extrañas sustancias
complica las cosas todavía más. Por un lado, nos pone en la tesitura de tener
que explicar el funcionamiento de las simulaciones, de admitir sus
limitaciones y de argumentar por qué, en conjunto, todavía aceptamos sus
escandalosas conclusiones. Por otro lado, al aceptar la existencia de la
materia y la energía oscuras, admitimos que apuntamos hacia ámbitos
completamente nuevos de la física, por ahora fuera del alcance de los
experimentos de laboratorio. No hay nada más emocionante para los
científicos que esta clase de frontera, pues lo que impulsa nuestros
esfuerzos es la esperanza de que, algún día, la humanidad conozca y
comprenda los secretos de la naturaleza.
Pero las simulaciones exploran los límites del conocimiento actual
también en otro aspecto, que tiene que ver con la asunción básica de la
ciencia: que todo ocurre por una razón y como resultado de una cadena
ininterrumpida de causas y efectos. Desde el punto de vista de una
predicción meteorológica, el viento, las nubes, la lluvia, el calor o el frío no
son factores que se limiten a aparecer y desaparecer, sino que existen en
diferentes sistemas meteorológicos y, por tanto, pueden desplazarse a lo
largo de miles de kilómetros antes de dispersarse finalmente. Ésa es la
razón por la que predecir con precisión el tiempo que va a hacer hoy resulta
crucial para predecir el que hará mañana o dentro de unos días.
De la misma manera, el universo en su conjunto tampoco tiene un
comportamiento aleatorio, sino que sigue una progresión de sucesos
semejante a la de un dominó, con la diferencia de que la cadena de causas y
efectos se prolonga a lo largo de unos 13 800 millones de años, la edad
estimada del tiempo. Pero ¿qué ocurrió al principio del todo? ¿Qué hizo
caer la primera pieza del dominó? Cuando construimos una simulación, no
tenemos más remedio que partir de alguna especulación fundamentada
sobre qué fue lo que puso las cosas en movimiento.
Al menos, hay algunos aspectos del origen del universo que no están
sometidos a controversia. Por ejemplo, hay muchas pruebas que demuestran
que el universo lleva expandiéndose desde sus inicios, y que ese proceso ha
sido tan extremo que hubo un día en que la totalidad del espacio era
microscópica. La expansión puede incorporarse fácilmente a las
simulaciones, pero no basta para definir el punto de partida.
Los cálculos que se llevan efectuando desde los años ochenta sugieren
que cualquier intento de descripción de los orígenes cósmicos tiene que
recurrir a la mecánica cuántica, que, sin embargo, suele emplearse para
describir fenómenos atómicos y subatómicos. Los principios de la física
cuántica han sido probados con creces en los laboratorios durante más de un
siglo, pero sus implicaciones son contraintuitivas. El más desconcertante
ellos, el que constituye el corazón de la propia teoría, es el que afirma que
nada puede ser nunca del todo cierto. Las partículas subatómicas no tienen
una localización precisa dentro del átomo, sino que saltan sin cesar, de
forma aparentemente azarosa, de una posición a otra.
Dado que el universo fue una vez tan diminuto, porta en su estructura la
huella de estos fenómenos cuánticos. En la fase más temprana del cosmos,
la materia no podía expandirse de manera uniforme porque su tendencia a
saltar de un lado a otro al azar terminó por crear, por pura casualidad,
algunas regiones más densas que otras. Según las simulaciones, estas
diferencias accidentales actuaron como las semillas de las que surgieron
todas las estructuras astronómicas que conocemos: las galaxias, estrellas y
planetas que hoy, 13 800 millones de años después, podemos contemplar a
nuestro alrededor.
Una de las conclusiones derivadas de este hallazgo es que el universo
podría haber sido muy diferente a como es ahora. Es decir, que existe un
fuerte componente de aleatoriedad en nuestra existencia, algo que
personalmente encuentro muy incómodo. La mecánica cuántica que operó
en nuestras condiciones iniciales da al traste con cualquier esperanza de
poder predecir con precisión lo que debería haber en el cielo. Las
simulaciones sólo pueden especular sobre qué podría haber, en qué
cantidades o en qué clase de lugares. Aun así, y a pesar de contar con un
punto de partida tan débil, mostraré cómo es posible extraer conclusiones
sorprendentemente consistentes acerca de nuestro universo.
Dependiendo de la perspectiva de cada uno, fenómenos como la
expansión del espacio, la función crucial desempeñada por materiales
invisibles o la influencia de la mecánica cuántica podrían parecer
improbables. Lo que hace de la cosmología una disciplina particularmente
difícil es que requiere apreciar y aceptar la otredad del cosmos. La realidad
que aguarda ahí fuera no concuerda con la experiencia humana. Y esto es
así por una buena razón: nuestra perspectiva está limitada por la escala, la
velocidad y las circunstancias. ¿Cómo serían las cosas para nosotros si
fuéramos de tamaño microscópico o galáctico? ¿Cómo sería viajar en un
haz de luz? ¿Qué pasaría si cayéramos en un agujero negro?
Cuando lidiamos con todo eso, hay que estar preparados para las
sorpresas. Los materiales que esculpen el espacio no son los que vemos en
la Tierra. Las leyes espaciotemporales que captamos de manera intuitiva
aquí dejan de ser aplicables allí. Y las distancias que manejamos desafían la
comprensión humana. Incluso mirar por un telescopio puede resultar
contraintuitivo: la luz que recibimos no nos habla del presente del universo,
sino de su pasado. Aunque la luz viaja muy rápido, puede tardar miles de
millones de años en cruzar los vastos espacios a los que nos asomamos a
través de la lente. El sentido común, exquisitamente afinado por la
experiencia humana, deja de ser relevante.
EL UNIVERSO EN UNA CAJA

Para comprender los orígenes de nuestra existencia, hemos de seguir su

rastro adentrándonos en el espacio profundo. Y para comprender el espacio
profundo —⁠cómo este genera nuevas galaxias, estrellas y planetas, y cómo
estos elementos interactúan entre sí⁠—, necesitamos simulaciones, es decir,
miniuniversos generados por ordenador. A su vez, para poder construir
simulaciones e interpretar sus resultados, hace falta poseer un meticuloso
conocimiento de la física.
Pero no tal y como se enseña en el colegio y en la universidad, donde se
divide en temas y hay una lista de ecuaciones que memorizar y una forma
correcta de resolver cada problema. Nadie puede reproducir cada partícula
subatómica ni su influencia sobre las demás, por lo que la física de las
simulaciones es, en el mejor de los casos, una aproximación. Es decir, se
trata de un campo mucho más ambiguo, difuso y abierto al debate —⁠más
humano, en definitiva⁠— que la física que se imparte en las aulas.
La física de las simulaciones tampoco tiene mucho que ver con ese
futuro con el que los teóricos fantasean a veces, en el que bastará una sola
ecuación para describir cada tipo de partícula y de fuerza. Tal vez algún día
contemos con esa ecuación, o tal vez no. Por mucho que una suerte de
teoría física definitiva como ésa pudiera describir a la perfección el
comportamiento de cada elemento microscópico del universo, es posible
que sólo tuviera un valor marginal a la hora de describir el arco narrativo
completo de la creación. Lo que el simulador busca es otra cosa:
comprender cómo se comporta en conjunto toda esa masa de elementos, ya
sean partículas subatómicas, estrellas, nubes de gas o cualquier otro
fenómeno. Del mismo modo que la observación de una hormiga aislada nos
dice muy poco sobre la conducta de la colonia, el estudio de las ecuaciones
abstractas que describen partículas únicas revela muy poco acerca del
universo.
Las simulaciones permiten una nueva forma de comprensión al delegar
en el ordenador los pesados cálculos aritméticos, lo que permite que los
humanos concentren sus esfuerzos en la observación de las conexiones y
relaciones que emergen de ellos. O ése es, al menos, el objetivo soñado.
Para hacerlo realidad, los cosmólogos tienen que lidiar con los puntos
ciegos de la física, lo que implica adentrarse en los límites del conocimiento
y del poder de computación con el que contamos, así como hacer
concesiones a cada paso. En la elección y la comprensión de estas
concesiones radican a su vez los mayores retos y las satisfacciones más
intensas de esta empresa.
La recompensa es la obtención de una visión panorámica mucho más
amplia y detallada de nuestro hogar, el cosmos. Y aunque todavía queda un
largo camino por recorrer para que esa visión sea completa —⁠de hecho,
puede que nunca llegue a serlo⁠—, las simulaciones nos han enseñado
mucho ya sobre la materia y la energía oscuras, los agujeros negros, las
galaxias y la forma en que todos estos elementos interactúan para dar vida
al universo. Superando con creces sus propios fundamentos físicos, las
simulaciones han combinado la computación, la ciencia y el ingenio
humano para transformar silenciosamente lo que significa ser un cosmólogo
en el siglo XXI. Ésta es su historia.
 1
Meteorología y clima

Simular el universo al completo es una tarea difícil, así que comencemos

con algo más apegado a la Tierra: el pronóstico del tiempo. En momentos
inciertos como los que corren, resulta tranquilizador escuchar a un experto
predecir lo que sucederá mañana o la semana que viene. Como si fueran
adivinos científicos, los meteorólogos nos guían en nuestra cotidianidad,
anticipándonos cómo será el día de mañana, gracias a la ayuda de las
simulaciones informáticas de la atmósfera terrestre. Y lo cierto es que dan
en el clavo con mucha más frecuencia de lo que la gente cree.
Los meteorólogos no son tan diferentes de los astrónomos. En la
Antigüedad, de hecho, ambas ciencias eran una sola y, para un meteorólogo
(etimológicamente, «aquel que estudia el alto cielo»), los cometas y nubes
que veíamos pasar sobre nuestra cabeza eran ambos materia de estudio.
Más tarde, el trabajo de los físicos del siglo XVII hizo predecibles y
explicables los grandiosos fenómenos astronómicos, y aclaró de paso que
tenían poca conexión con el clima de nuestro planeta. El viento y las nubes,
a pesar de estar mucho más cerca de nosotros, siguieron siendo
obstinadamente insondables.
 Pero la ausencia de progresos reales en el campo de la meteorología
hasta el siglo XX no desalentó a los astrónomos en sus esfuerzos. Todo aquel
que quiera realizar observaciones precisas de las estrellas y los planetas
necesita comprender primero la sutilidad con que el calor y la humedad de
la atmósfera curvan y distorsionan la luz. Por ejemplo, hay noches en que
las estrellas permanecen relativamente estables y otras en las que
parpadean, incluso si no hay nubes. La diferencia no estriba en un
fenómeno astronómico, sino meteorológico, y es una mala noticia para los
aficionados a observar las estrellas, ya que la posición de los cuerpos
celestes se ve distorsionada y los planetas se ven borrosos. Por esa razón,
antes de fijar fecha para sus observaciones, los astrónomos estudian con
detenimiento las predicciones meteorológicas realizadas por los expertos en
ese campo.
Quienes hemos crecido acostumbrados a ver los partes meteorológicos
en la televisión, damos por sentado que predecir el tiempo es una cosa
sencilla. A pesar de su cualidad monótona, sin embargo, cada parte
constituye una hipótesis y cada predicción cumplida debería ser considerada
un triunfo de la ciencia. En 1854, un parlamentario inglés fue ridiculizado
en la Cámara de los Comunes por sugerir que el tiempo meteorológico
podría llegar a conocerse con un día de antelación[10]. Hoy ya estamos
habituados a conocer la predicción con una semana de adelanto, y cabe
reseñar que ese avance es tan importante como el de cualquier otra
revolución científica, pues la meteorología afecta a todos cuantos habitamos
el planeta, supone miles de millones para la economía mundial y,
literalmente, salva vidas[11].
He señalado antes la imposibilidad de construir una simulación de la
atmósfera terrestre a partir de las leyes básicas de la física, aquellas que
rigen cómo operan los átomos y las moléculas individuales. En lugar de
ello, las simulaciones tienen que ofrecer una visión más amplia de cómo se
mueven los gases, cómo se calientan o enfrían y cómo se comprimen o
expanden. Capturar factores de mayor calibre, como el viento o la
temperatura, no es muy difícil. Lo problemático empieza cuando hay que
abordar la infinidad de factores diminutos que, combinados, pueden afectar
al resultado global. Pensemos, por ejemplo, en un árbol en un día caluroso.
Como sabemos, este absorbe la luz del sol, bebe el agua de la tierra y la
libera luego a la atmósfera en forma de vapor. De primeras, podría parecer
que los árboles no son relevantes para elaborar un parte meteorológico, pero
lo cierto es que los bosques pueden afectar profundamente al clima de su
entorno al absorber la luz, alterar la evaporación y prevenir la erosión del
suelo[12]. Hace ocho mil años, en la región que ahora cubre el desierto del
Sáhara se producían lluvias monzónicas regulares. Es posible que la
práctica de la agricultura fuera acabando paulatinamente con la vegetación
autóctona, lo que contribuyó a su vez a desertificar la región al alterarse la
capacidad del terreno para absorber el calor, lo que provocó un efecto
descontrolado por el que un clima cada vez más seco acabó con la
vegetación restante[13]. Los diseñadores de simulaciones necesitan
desarrollar atajos que les permitan identificar e incluir una amplia variedad
de efectos sorprendentes.
Por último, existe otro ingrediente esencial para que una simulación
cumpla su función con éxito. Sin saber el tiempo que hace hoy, es imposible
predecir el que hará mañana. Por sí mismas y desprovistas de esta
información, las sofisticadas instrucciones que damos al ordenador son el
equivalente a las reglas de un juego de mesa, puramente teóricas. Un
maestro del ajedrez puede saberse todas las estrategias del manual, pero no
podrá darte ningún consejo si no le informas de la situación en que se
encuentra la partida. Cada nuevo paso depende siempre del inmediatamente
anterior.
La causalidad fue el mayor obstáculo al que se enfrentó la meteorología
hasta el siglo XIX, ya que una gran parte del problema consiste en la
capacidad para recopilar toda la información necesaria para comprender la
evolución del tiempo. Por esa razón, el origen de las simulaciones no está
vinculado al de los ordenadores, sino a la invención de otro aparato
eléctrico: el telégrafo.
LOS INICIOS

La historia comienza en la imponente sede de la Smithsonian Institution, en

Washington D. C., en la emblemática construcción de arenisca rojiza que
hoy es parte del National Mall. El edificio, una obra maestra del neogótico
conocida como «el castillo», tenía un aspecto mucho menos glamuroso
cuando se construyó, a mediados de la década de 1850, en un terreno
pantanoso y parcialmente drenado a las afueras de la ciudad. La obra había
sido financiada con los fondos donados por el inglés James Smithson al
Gobierno de Estados Unidos para «la promoción y la difusión del
conocimiento entre los hombres». El público, sin embargo, estaba
desconcertado y enojado: «Nada ha suscitado una oposición más viva
—⁠tronaba el New York Times⁠—, que el costoso palacio erigido para el
alojamiento del instituto. Se trata, sin ningún género de duda, de un colosal
despropósito»[14].
Aquellos que lograron sobreponerse al mal humor se aventuraron,
llevados por la curiosidad, a cruzar el pantano, y descubrieron en el
cavernoso interior del edificio una variopinta colección de libros, fósiles,
cuadros y esculturas. Lo único que había expuesto, sin embargo, era un gran
mapa del este de Estados Unidos[15]. Cada mañana a las diez en punto, se
recibían los partes telegrafiados por las estaciones meteorológicas de todo
el país. A continuación, un asistente ilustraba el mapa con pequeños carteles
cuyos colores seguían un código: negro para lluvia, verde para nieve,
marrón para tiempo nuboso y blanco para cielos despejados. De este modo,
el mapa ofrecía una visión general del tiempo que hacía ese día. El director
del centro, Joseph Henry, asombraba a los visitantes prediciendo las
tormentas antes de que llegaran a Washington, y lo hacía basándose en una
observación previa: que los sistemas meteorológicos se desplazaban hacia
el este desde Cincinnati[16].
Al otro lado del Atlántico, las armadas europeas empezaron a darse
cuenta de que el estudio y el registro de la meteorología podía suponer una
ventaja estratégica decisiva. Una tormenta particularmente desastrosa,
acaecida durante el apogeo de la guerra de Crimea, en 1854, provocó el
hundimiento de al menos treinta y siete barcos británicos y franceses,
destruyó campamentos y echó a perder los suministros de los ejércitos: «el
pan, la carne de ternera y de cerdo, el papel…; todo mezclado en una masa
mugrienta», describía un testigo del desastre[17]. Predecir la tormenta
hubiera resultado de enorme ayuda.
Gran Bretaña, Francia y Holanda comenzaron a invertir seriamente en
las predicciones meteorológicas[18]. Como se hacía en el Smithsonian, se
reunían los partes y observaciones de zonas muy distantes del continente y
se recogían en un solo mapa. En el lenguaje de los físicos, a eso se le llama
«condiciones iniciales»: un resumen de la situación actual que sirve como
punto de partida para predecir qué ocurrirá a continuación. Apretados en
una oficina londinense, el almirante Robert FitzRoy y un grupo de
asistentes trabajaban entre pilas de registros, cuadernos de bitácora y viejos
mapas meteorológicos. FitzRoy sabía de primera mano que unas
predicciones del tiempo fiables podían salvar vidas y, después de examinar
los últimos partes disponibles, él o uno de sus asistentes transmitían sus
conclusiones sobre el tiempo que haría al día siguiente a las estaciones
meteorológicas costeras y a los periódicos.
Los primeros pronósticos meteorológicos publicados en prensa
aparecieron en la sede londinense del Times en 1861. En unos pocos meses,
ya eran objeto de burlas generalizadas. En una carta al periódico, uno de
tantos lectores irritados se quejaba de que «nadie ha predicho nunca ni las
galernas, ni las calmas ni la dirección del viento con más garantía de acierto
que la posee un hombre encerrado en una mina»[19]. Los editores del
periódico, a su vez, parecían algo perplejos por los errores de FitzRoy y su
departamento: «por mediación de la grave autoridad competente, se nos ha
hecho prometer buen tiempo, mas los cielos han decidido descargar sobre
nosotros una semana de nieblas y lluvias torrenciales»[20].
Esa frustración respecto a la precisión de las predicciones no suena tan
diferente a la nuestra hoy en día. A todos nos ha pasado que hemos salido
desprovistos de paraguas al fiarnos de la previsión del tiempo y hemos
acabados empapados ese día. Pero lo cierto es que la capacidad de acierto
de aquellas primeras previsiones era nefasta. El meteorólogo
estadounidense Cleveland Abbe estimó en 1869 que sólo un 30 por ciento
de las previsiones que se hacían en Europa para el día siguiente eran
correctas. Aun así, consideró ese dato lo suficientemente alentador como
para poner en marcha en Estados Unidos un servicio nacional de
meteorología que continuó la labor del Smithsonian y la amplió a todo el
continente[21].
Abbe estaba convencido de que el problema de FitzRoy era que poseía
un conocimiento insuficiente de las condiciones iniciales. En Inglaterra, las
tormentas entran por el frente atlántico, de modo que ninguna estación
meteorológica podía detectarlas a tiempo. Por el contrario, en las zonas
interiores de Estados Unidos, las estaciones poseían suficiente margen de
anticipación gracias a la información enviada por las del resto del país. Y,
según escribió, «podremos predecir con fiabilidad qué tiempo hará con uno,
dos y hasta cuatro días de antelación».

LEYES NATURALES

Aunque las condiciones iniciales son vitales, no nos dicen tanto, y Abbe
descubrió pronto que el problema tenía mucha más enjundia. Astrónomo de
formación, su sed de conocimiento era insaciable. Un amigo suyo contaba
que todas las mañanas se levantaba muy temprano para leer la
Encyclopaedia Britannica (que tenía más de veinte volúmenes[22]). No
sabemos si llegó a terminársela, pero sí sabemos que, aunque le gustaba
debatir sobre filosofía, arte y literatura, la meteorología comenzó a
interesarle cada vez más, hasta el punto de hacer de ella su profesión.
En 1901, había logrado reunir aquellos elementos que, a su juicio,
debían sustanciar cualquier previsión meteorológica verdaderamente
rigurosa[23]. Observó que sus propias predicciones hasta ese momento
«apenas representan las enseñanzas directas de la propia experiencia. Se
trata de generalizaciones basadas en observaciones, pero en las que las
teorías físicas hasta ahora sólo han sido aplicadas, si acaso, de una manera
superficial. Son, por lo tanto, de naturaleza muy elemental si las
comparamos con las predicciones que realizan los astrónomos».
 La propuesta de Abbe para afinar las predicciones consistió en sustituir
las útiles pero imperfectas asunciones populares de cómo se desplazan las
tormentas por el estudio de los efectos de unos pocos principios físicos.
Aunque aún quedaba casi medio siglo para la aparición de los primeros
ordenadores digitales, Abbe desarrolló un método muy cercano en enfoque
al de las simulaciones. En el centro de su esquema había tres ecuaciones de
dinámica de fluidos. Éstas no eran nuevas (son las ecuaciones de
Navier-Stokes, llamadas así en honor a los dos científicos del siglo XIX que
las desarrollaron), pero sí era la primera vez que a alguien se le ocurría
aplicarlas de manera sistemática a la predicción meteorológica.
Cabe reseñar que aunque la palabra «fluido» puede evocar en nuestra
mente un líquido (como el aceite, el petróleo o el agua), para un físico,
prácticamente todo es un fluido: el aire, los glaciares, el plasma solar o el
gas de las galaxias. Por lo tanto, las tres ecuaciones de Navier-Stokes
describen el comportamiento de materiales que, a primera vista, parecen
tener poco en común. Se conocen también, de hecho, como «leyes de la
mecánica de fluidos» y, si bien no afectan a las partículas más
fundamentales de la naturaleza, merecen tal estatus por lo universal de sus
implicaciones. La primera ley establece que los fluidos no pueden aparecer
ni desaparecer. Cuando hablamos del tiempo meteorológico, el fluido es el
aire. Éste es invisible a nuestros ojos, pero está ahí (hay unos veinticinco
billones de billones de moléculas en un metro cúbico de aire). La mayoría
de las partículas que te rodean ahora mismo permanecerán por tiempo
indefinido en algún lugar de la atmósfera[24].
Esta idea de conservación captura un principio esencial: el tiempo
meteorológico consiste principalmente en empujar materiales de un lugar a
otro del planeta. Esta noción es la que informaba las primeras predicciones
meteorológicas que rastreaban las tormentas a través de los continentes,
pero constituye también una revelación poderosamente universal: a escala
cósmica, los vientos pueden soplar durante miles de millones de años y
apilar materiales hasta generar un gigantesco ventisquero. Allí donde los
vientos convergen, se forma una galaxia; allí donde divergen, permanece un
colosal y yermo espacio vacío, lo que llamamos un «vacío cósmico».
Explicaré más al respecto más adelante, pero, por ahora, bastará con señalar
que existen grandes agujeros en nuestro universo. Sabemos, por la ley de
conservación de la materia, que su existencia constituye un contrapeso
necesario para los miles de millones de galaxias abigarradas que permiten a
su vez la existencia de la luz y de la vida.
Como sucede a menudo con las grandes ideas, la ley de conservación es
sencilla pero poderosa. Eso no quiere decir, claro está, que nos baste con
ella para predecir el tiempo meteorológico o cualquier otro tipo de
simulación. La segunda ecuación de Navier-Stokes describe cómo se
empujan entre sí las diferentes partes de un material; en otras palabras, trata
sobre fuerzas. Los presentadores del tiempo suelen hablar de la presión, que
es sólo otro término para hacer referencia a las colisiones que se producen a
nivel microscópico. A gran escala, en los sistemas meteorológicos, las altas
presiones expulsan la materia hacia fuera, mientras que las bajas tratan de
absorberla. Para realizar una predicción fiable, una simulación debe tener
en cuenta también otras fuerzas, como la gravedad, la fuerza centrífuga y el
efecto Coriolis, asociados a la rotación de la Tierra. Los efectos combinados
que producen en la meteorología distan mucho de ser simples.
Para apreciar el extraño comportamiento que pueden tener las fuerzas
en los fluidos, coge una hoja de papel y ponla sobre la mesa. A
continuación, levántala por las dos esquinas más cercanas, manteniéndola
plana y paralela a la mesa. Deja que caiga hacia abajo el borde más alejado,
como hará de manera natural. Luego acércate a los labios el borde más
próximo y sopla con fuerza. Verás cómo la hoja se despliega hacia arriba,
estirándose. Es extraordinario, ¿no? Parecería razonable que la hoja se
estirara si soplamos debajo del papel, pero ¿soplando sobre él?
Cuando el aire fluye sobre un área curvada como una hoja de papel, el
ala de un avión o la superficie de la Tierra genera fuerzas que empujan en
direcciones sorprendentes. Lo mismo ocurre al revés: a menudo, el viento
no fluye en la dirección en que uno esperaría que lo hiciera y el aire no se
desplaza directamente de las zonas de alta presión a las de baja, sino que,
por influjo de la rotación de la Tierra, forma flujos circulares él también, de
modo que, cuando en un mapa meteorológico vemos señalada una zona de
baja presión sabemos que en ese punto el viento girará en torno al núcleo.
Eso hace que las tormentas sean mucho más destructivas y duraderas de lo
que lo serían de otro modo. Si el planeta no rotara, el aire fluiría
directamente hacia las zonas de baja presión y las tormentas se desharían
casi con la misma velocidad con que se forman.
Aun así, podemos considerarnos afortunados de que los huracanes no
sean aún peores. En Júpiter existe la llamada Gran Mancha Roja, una sola
tormenta del tamaño de la Tierra que existe desde hace al menos doscientos
años. En una escala todavía más grande, los planetas del sistema solar
llevan orbitando alrededor del Sol miles de millones de años. La fuerza
gravitatoria los atrae continuamente, como si quisiera arrastrarlos al ojo de
una tormenta, pero sólo logra curvar su trayectoria, de modo que esta
describe círculos. Las fuerzas crean movimientos curvos que deben ser
cuidadosamente considerados para construir simulaciones certeras tanto del
tiempo meteorológico como del universo o cualquier otro fenómeno.
Todo ese movimiento requiere energía, y ahí es donde entra en juego la
tercera consideración sobre los fluidos. Ya se trate de Júpiter o de la Tierra,
la mayor parte de la energía en nuestro sistema solar procede de la luz del
Sol y sin ella no habría tormentas ni huracanes. Por otra parte, el astro rey
también es esencial para nuestra supervivencia. Si se extinguiera mañana, la
Tierra se enfriaría rápidamente y dejaría de ser habitable en apenas una o
dos semanas, el tiempo que las temperaturas tardarían en desplomarse hasta
unos -240 °C[25].
La energía puede suponer tanto una ayuda como un obstáculo para el
desarrollo del cosmos, así como para el de la vida en el sistema solar. Los
débiles destellos de luz que llegan desde las estrellas hasta los rincones más
remotos del universo bastan para calentar el tenue gas exterior. Al mismo
tiempo, y de manera mucho más destructiva, las explosiones de supernovas
abren agujeros negros de años luz de diámetro. Pero incluso estos forman
parte del gran equilibrio de energía cósmica que determina la vida de las
galaxias. Por lo tanto, las tres leyes que conocía Abbe (las que atañen a la
conservación de la materia, al cálculo de fuerzas y al seguimiento de los
efectos constructivos y destructivos de la energía) tienen tanta importancia
en los rincones más remotos del espacio como en la Tierra.
RESOLVER ECUACIONES

Aun así, una cosa era que Abbe comprendiera que las tres ecuaciones de
Navier-Stokes debían ser parte esencial de la predicción meteorológica, y
otra muy diferente era ponerlas en práctica. Por sí mismas, dichas
ecuaciones son sucintas y elegantes: los principios relativos a la
conservación, la fuerza y la energía pueden formularse usando un número
bello y cerrado de símbolos. Todavía conservo el cuaderno de apuntes de la
universidad en el que las copié de la pizarra por primera vez. Ocupan tan
sólo tres líneas ordinarias, pero resolverlas es otra historia.
En algún momento de nuestra vida, a todos nos han enseñado a resolver
ecuaciones con una sola incógnita, x. En las clases más avanzadas, se
añadía más de una variable desconocida, ecuaciones simultáneas en las que
las letras x e y representaban las cifras que debían averiguarse. Las
ecuaciones de Navier-Stokes, sin embargo, no tienen dos o tres incógnitas;
se trata de ecuaciones diferenciales y pueden tener infinitas variables
desconocidas.
Para comprender por qué, imagina las olas del mar rompiendo en la
orilla de una playa. He ahí un escenario que puede describirse usando estas
ecuaciones. Uno de los símbolos representa la velocidad del movimiento,
pero no se corresponde con un solo valor, ya que el agua no se mueve
uniformemente. Cada gota puede hincharse, deshacerse o salpicar de
manera diferente a las demás. Aunque sigamos hablando de «resolver»
ecuaciones diferenciales, no es como con una ecuación estándar, ya que los
símbolos no sustituyen cada uno a un solo número.
Las soluciones consisten aquí en describir patrones de movimiento que
se desarrollan a partir de un determinado escenario inicial (la ola
acercándose a la orilla, o el viento que hace ese día) y extrapolan esa
información para predecir qué ocurrirá a continuación. En la mayoría de los
escenarios, una buena solución conllevaría una lista infinita de cifras (una
para cada elemento implicado en ese complejísimo movimiento), por lo que
resolver estas ecuaciones de manera satisfactoria en la práctica está fuera
del alcance de los matemáticos más dotados[26].
 Visto así, podría parecer que las ecuaciones diferenciales resultan
bastante impracticables, pero es posible encontrar soluciones, siempre y
cuando los escenarios se simplifiquen lo suficiente, depurando el tremendo
exceso de detalles. Las ecuaciones de Navier-Stokes me mantuvieron
ocupado durante todo un semestre de la carrera, durante el que tuvimos que
aplicarlas a múltiples objetos de estudio: olas marinas ideales, estrellas,
discos galácticos, atmósferas de exóticos planetas remotos, etc. Nuestro
afable profesor se reunía con nosotros por parejas para evaluar y comentar
nuestro trabajo, y yo tuve la mala suerte de que me emparejaran con el
genio de la clase. Como era de esperar, el profesor se dirigía primero a mi
compañero: «Lo has hecho muy bien», le decía, antes de girarse hacia mí.
Empezaba: «Tú… —⁠y hacía una pausa para buscar las palabras
adecuadas⁠—, tú, no».
No es que las ecuaciones fueran ininteligibles. Al contrario, son
perfectamente lógicas y su pertinencia suele estar clara. Conectar sus
principios con el movimiento de una ola que rompe tiene sentido. En primer
lugar, la conservación: el hecho de que el agua no pueda desaparecer es lo
que produce su característica forma ondulada (si la superficie del agua es
presionada ligeramente hacia abajo en un punto, debe alzarse en otro punto
cercano). En segundo lugar, las fuerzas: son ellas las que determinan la
forma y el tamaño de las olas, encrespadas por el viento y, al mismo tiempo,
suavizadas por la fuerza de la gravedad, que las atrae hacia abajo.
Finalmente, la energía: ésta es transportada desde las profundidades marinas
hasta las aguas superficiales, provocando que las olas rompan en la orilla.
Lo complicado está en generar modelos ideales que sirvan para aislar,
uno a uno, los aspectos simplificados de esos problemas: de qué modo un
viento constante genera la formación de ondulaciones regulares, cómo se
combina éste con la gravedad para esculpir la forma de las olas, o por qué la
energía se transporta de manera diferente en aguas profundas y en aguas
superficiales. Esta clase de cuestiones simplificadas pueden resolverse en
una o dos horas, ya que los movimientos generales del conjunto pueden
sintetizarse en un puñado de cifras.
Pero a mí me faltaba paciencia y no estaba seguro de que mereciera la
pena persistir. Los resultados tienen que interpretarse como un esquema
general de cómo puede comportarse la naturaleza, por lo que cuando se
hacen aproximaciones tan vastas, son sólo indicativos en el mejor de los
casos. Sólo podemos capturar una sombra de la majestuosa complejidad del
cosmos, y antes de la llegada de los ordenadores, ésa era la frontera de la
capacidad humana para convertir las abstractas leyes de la mecánica de
fluidos en algo concreto. En retrospectiva, hoy me doy cuenta de que
tendría que haberme esforzado más, pues no se trataba sólo del clásico y
desesperante ejercicio para estudiantes de grado; los científicos
profesionales también tienen que usar este método para reducir a su esencia
los problemas a los que se enfrentan. Y el proceso puede ser muy revelador,
aunque no arroje resultados particularmente precisos.
Con todo, Abbe no iba en busca del conocimiento abstracto, sino de la
capacidad práctica de predecir el tiempo a partir de las ecuaciones de
fluidos. Pronto se dio cuenta de que no bastaba con reducir el problema a
escenarios más simples e idealizados, pero, aun así, seguía convencido de
que merecía la pena intentar desarrollar un método científico de predicción
meteorológica (poseía un insobornable optimismo que era al mismo tiempo
su mayor fortaleza y su mayor debilidad). «Rara vez se detenía a considerar
obstáculos tan determinantes como la falta de tiempo o de oportunidades»,
decía el autor de uno de sus obituarios, y lo cierto es que muchos de sus
proyectos eran irrealizables por ambiciosos[27].
En el caso específico de la predicción meteorológica, sin embargo, su
optimismo demostró estar bien fundado, y los principales meteorólogos del
mundo entero empezaron a adoptar su enfoque. Menos de veinte años
después de que Abbe publicara su artículo de 1901, el físico escocés Lewis
Fry Richardson y su esposa, Dorothy, llevarían a cabo el primer intento de
usar con conocimiento las ecuaciones de Navier-Stokes para predecir el
tiempo.
SIMULACIONES SIN ORDENADOR

En la actualidad, el descomunal reto que supone resolver las ecuaciones de

Navier-Stokes sin recurrir a las simplificaciones propias de los ejercicios
universitarios se lleva a cabo mediante simulaciones. Si la tarea ya resulta
complicada con los potentes ordenadores de que disponemos hoy,
imaginemos la dificultad para los Richardson, que las resolvían con papel y
lápiz. Por si eso fuera poco, Lewis Fry completó la mayor parte de los
cálculos mientras servía en el frente francés de la Primera Guerra Mundial,
gestionando el envío de ferris con heridos a los hospitales de campaña.
Criado en un hogar cuáquero, Lewis Fry Richardson era un pacifista
acérrimo. Aun así, dejó su puesto en el Servicio Meteorológico británico
para unirse a la Friends’ Ambulance Unit[28]. Es posible que, durante sus
escasos días libres, aquellos tediosos cálculos lo ayudaran a desconectar de
los horrores del frente y a sentirse más cerca de casa, donde su esposa había
recopilado de manera crucial los patrones iniciales de vientos y presiones en
una cuadrícula similar a la del Smithsonian[29].
El modelo de predicción en que trabajaban tardaría años en completarse,
por lo que no se trataba de llevarlo a cabo en el sentido práctico, sino de
probar que, en principio, era posible realizar pronósticos usando el esquema
desarrollado por Abbe (y elaborado por otro meteorólogo, Vilhelm
Bjerknes[30]). Antes de que la guerra los separara, los Richardson reunieron
y tabularon todos los partes meteorológicos de las siete de la mañana del día
20 de mayo de 1910. El objetivo era servirse de esa información para
calcular el parte a la una de la tarde del mismo día, del que ya hacía años.
Como escribió Richardson, «puede que llegue el día en que los cálculos
predictivos sean más rápidos que los partes, pero de momento es sólo un
sueño».
Las predicciones eran por entonces muy vagas, si bien mejoraron algo
en la época de FitzRoy. El pronóstico del tiempo del Times para el 20 de
mayo de 1910 decía para toda Inglaterra: «Viento ligero desde algún punto
del este; variable, algo de lluvia, tormentas locales a intervalos regulares,
aire bastante húmedo; temperatura por encima de lo normal». Los
Richardson no aspiraban a realizar predicciones mucho más específicas, se
contentaban con poder predecir la velocidad promedio del viento, la presión
y la humedad en una región de cuarenta mil kilómetros cuadrados.
Les bastaba con eso para demostrar lo que querían: que las ecuaciones
de Navier-Stokes podían competir con las predicciones humanas basadas en
la experiencia y que, por lo tanto, merecía la pena seguir desarrollando esa
vía. Pero en lugar de intentar simplificarlas, tal y como se enseña a los
estudiantes universitarios, los Richardson hicieron justo lo contrario:
desplegaron toda la complejidad oculta tras las abstracciones algebraicas,
empleando para ello una serie de formularios que semejaban una
monstruosa hoja de cálculo (o una declaración de la renta), atiborradas de
números. Cada uno de dichos formularios incluía instrucciones precisas
para realizar los cálculos (operaciones simples, como sumar o multiplicar
dos números), junto a otras estipulaciones para transferir los resultados a la
siguiente hoja y proseguir con nuevos cálculos.
Al cabo de este proceso, y partiendo de la cuadrícula de condiciones
iniciales a las siete de la mañana, los cálculos tenían que predecir el tiempo
que haría a las diez de la mañana. Usando este pronóstico como base para
una nueva serie de cálculos, Richardson predijo a continuación el tiempo
para la una de la tarde, llevando tres horas más lejos su pronóstico. En la
jerga de las simulaciones, estaba llevando a cabo dos pasos temporales de
tres horas cada uno.
Las simulaciones meteorológicas modernas realizan pasos mucho más
cortos, medidos en segundos en lugar de en horas, con el objetivo de
incrementar su precisión tanto como sea posible. Como consecuencia,
también tienen que dar muchos más pasos para realizar pronósticos a varios
días e incluso a semanas vista, incrementando así el número de cálculos
mucho más allá de los que ejecutaba Richardson. Aun así, el principio
esencial es el mismo, incluso con las simulaciones del universo entero:
convertimos las condiciones iniciales en números y transformamos las tres
ecuaciones de Navier-Stokes en un conjunto de reglas para manipular esas
cifras. Cada vez que las aplicamos, completamos un paso de nuestra
simulación y procedemos a repetir de nuevo todo el proceso para seguir
avanzando en el tiempo.
 Los ordenadores tienen la gran ventaja de que pueden realizar cálculos a
gran velocidad y sin cansarse. El propio procesador de tu teléfono móvil es
capaz de realizar miles de millones de operaciones aritméticas por segundo.
Richardson, en cambio, tenía que hacer todos los cálculos manualmente y
en sus pocos ratos libres, a pocos kilómetros del frente y usando como
escritorio «un montón de heno en un frío barracón militar»[31]. Allí podía
seguir de forma sistemática sus propias instrucciones mientras trataba de
obtener el primer método de predicción meteorológica fundado enteramente
en la física. Aunque hubiera podido dedicarse a la tarea a tiempo completo,
habría necesitado invertir semanas enteras de trabajo[32].
Con todo, su prototipo de simulación resultó ser un completo fracaso. El
modelo predijo que la presión del aire subiría de 963 a 1108 milibares en un
lapso de seis horas. No hacía falta comparar estos resultados con los partes
de las condiciones existentes: la predicción superaba con mucho la presión
atmosférica más alta registrada jamás en la Tierra, 1084 milibares[33]. Ups.
No puedo ni imaginarme cómo afectó aquello a Richardson en sus
circunstancias, pero sé bien lo que es realizar un montón de cálculos que
terminan por no llevar a ninguna parte (todavía puedo escuchar en mi
cabeza a mi desesperado profesor de Mecánica de fluidos). En su libro,
Richardson comentaba que el resultado arrastraba «errores en los datos
iniciales de los vientos». Aunque suene a excusa desesperada, el análisis
moderno indica que estaba más o menos en lo cierto: si el parte de las siete
de la mañana hubiese contenido información más precisa, Richardson
hubiera obtenido una predicción más que razonable del tiempo que haría a
la hora de comer[34].
Parece que el traspiés no desalentó completamente a Lewis Fry
Richardson, ya que después escribió un libro de texto muy técnico en el que
abogaba, no del todo a ligera, por que se contrataran a decenas de miles de
personas para empezar a elaborar predicciones meteorológicas usando el
método numérico[35]. El escocés imaginó un gigantesco anfiteatro
construido con ese fin, en el que los meteorólogos pudieran trabajar
coordinados por un director situado en un púlpito central. Alrededor del
anfiteatro, añadió, pensando amablemente en aquéllos, debía haber
«campos de deporte, casas, montañas y lagos, pues aquellos que trabajan
calculando el tiempo tienen que poder respirarlo libremente».
En realidad, nada de eso fue necesario y los Richardson pudieron asistir
en vida a la realización de su proyecto, pero no mediante la coordinación de
humanos en un gran recinto, sino a partir de electrones zumbando
frenéticamente en cajas metálicas.

ORDENADORES Y CÓDIGO

He descrito dos de los componentes de una simulación: un grupo de

condiciones iniciales y un conjunto de reglas. Partiendo de las ecuaciones
de Navier-Stokes, que describen el comportamiento de los flujos de aire, los
Richardson desarrollaron una serie de operaciones aritméticas capaces de
anticipar el futuro, prediciendo el tiempo cada vez con más precisión. Dado
que las ecuaciones de Navier-Stokes llevan implícitas conceptos universales
como los de fuerza y energía, el esquema puede aplicarse también a las
fluctuaciones de materia a lo largo y ancho del universo.
Pero nada de esto sirve de mucho si carecemos de un método práctico
para ejecutar a gran velocidad la enorme cantidad de cálculos requeridos; de
una herramienta, en definitiva, que sustituya la fantasía de Lewis Fry
Richardson de poner a trabajar a un grupo de genios de la aritmética, ya que
los humanos somos caros, falibles y propensos a aburrirnos con los cálculos
numéricos. Por eso son los ordenadores —⁠baratos, fiables e incapaces de
quejarse⁠— los que realizan hoy las simulaciones.
El primer ordenador en el sentido moderno del término fue la máquina
analítica, concebida en el siglo XIX por Charles Babbage. Un aspecto
llamativo de su diseño era que, para resolver un problema, lo codificaba
perforando agujeros en tarjetas de cartón. El patrón resultante indicaba qué
cálculos aritméticos había que hacer y en qué orden, de modo que, a
diferencia de todas las máquinas de cálculo previas en la historia, ésta podía
adaptarse.
 Las máquinas anteriores eran sofisticadas, pero nada flexibles en este
sentido. A principios del siglo XIX, un topógrafo desarrolló un dispositivo
para calcular áreas terrestres: el operador trazaba el perímetro en un mapa y
un dial daba de forma automática el área delimitada[36]. Anteriormente, en
el siglo XVII, el matemático Blaise Pascal había desarrollado una máquina
que podía sumar o restar dos números cualesquiera especificados por el
usuario[37]. Incluso los antiguos griegos inventaron una máquina para
predecir eclipses solares usando una serie de engranajes conectados[38].
Todas estas máquinas eran ingeniosas, pero servían a un único propósito.
Babbage, por el contrario, ideó una que podía realizar cualquier cálculo
deseado con tan sólo cambiar las tarjetas de cartón. De haber existido en su
tiempo, los Richardson podrían haber codificado sus gigantescas hojas de
cálculo y haberlas introducido en la máquina analítica de Babbage para
predecir el tiempo.
Por desgracia, Babbage no era un hombre muy práctico, y su
combinación de perfeccionismo y arrogancia terminó por hundir el
proyecto. Se peleó con el ingeniero que estaba construyendo la máquina,
cambiaba una y otra vez los diseños, renunció por un enfado a su plaza de
profesor en Cambridge y se granjeó la antipatía de todo el mundo. Había
conseguido obtener fondos públicos para desarrollar su máquina, pero,
como ésta no terminaba de llegar, el primer ministro lo convocó para que
explicara la falta de resultados[39]. El científico respondió con una airada
diatriba sobre los errores del Gobierno[40]. Como cabía esperar, le cortaron
el grifo y el proyecto cayó en el olvido.
Ada Lovelace, amiga y colaboradora de Babbage, padeció la frustración
que generaba trabajar con él: «Siento tener que decir que es una de las
personas más intratables, egocéntricas e inmoderadas con las que me las
haya tenido que ver», escribió a su madre[41]. Aun así, Lovelace tomó
muchas notas sobre el trabajo de Babbage e ideó ejemplos de cómo
programar la máquina para que realizara cálculos específicos. Fue ella
quien acuñó el concepto de «bucle» para designar la iteración de una misma
serie de instrucciones en la que, con cada repetición, el proceso se acerca
cada vez más al resultado final del cálculo, una idea que ya estaba
contenida en el prototipo predictivo de los Richardson[42]. Lovelace señaló
que el artilugio de Babbage podía arrojar luz sobre todo tipo de cuestiones
científicas, e incluso aplicarse en el ámbito del arte para componer
«elaboradas piezas musicales de carácter científico, con diverso grado de
complejidad y extensión»[43].
De hecho, al afirmar que la máquina podía «facilitar la traducción de
principios [científicos] a formas prácticas y explícitas», Lovelace estaba
anticipando ya el concepto de simulación y, de paso, la llegada de una era
en la que los ordenadores entrarían a formar parte de nuestra vida
intelectual y a convertirse en algo tan natural como leer o hablar[44].
Animada por esta intuición, bromeó diciendo que se sentía «muy satisfecha
con este primer retoño mío. Es un bebé realmente hermoso, y estoy segura
de que crecerá hasta convertirse en un hombre poderoso y de primera
categoría»[45]. El vástago era su claro y visionario escrito, pero sin una
máquina física que encarnara aquella visión, ésta resultaba demasiado
abstracta todavía para ser ampliamente comprendida.
Habría de transcurrir casi un siglo hasta que la idea de Babbage y
Lovelace fuera redescubierta, reelaborada y refinada por Alan Turing. En
esta ocasión, el proyecto sí logró ir más allá de la fase de diseño, en gran
parte porque los avances en ingeniería eléctrica facilitaban su desarrollo. La
máquina de Babbage habría precisado, para cada cálculo, que se accionara
un pesado mecanismo de varillas y ruedas metálicas, mientras que la nueva
computadora electrónica funcionaba con electricidad.
Junto con los progresos técnicos, que hacían el diseño más viable, los
intereses militares también desempeñaron un papel fundamental en el
impulso que Gran Bretaña y Estados Unidos dieron en esos años a la
tecnología computacional. En 1950 se completó la primera simulación
meteorológica realizada con computadora, la ENIAC (siglas de Electronic
Numerical Integrator and Computer). Dicha máquina había sido construida
para ayudar al Ejército estadounidense en la Segunda Guerra Mundial y
desempeñó un papel crucial en el desarrollo de armas nucleares del
Proyecto Manhattan. Su coste ascendió a cuatrocientos mil dólares, una
suma enorme en aquel momento, pero su contribución resultó
inestimable[46].
 No es casualidad que la ENIAC, enfocada al desempeño bélico, también
se empleara para la predicción del tiempo. Muchos científicos, incluido el
pionero de la bomba atómica John von Neumann, creían que la capacidad
de calcular con precisión las condiciones atmosféricas podía traducirse en
nuevas ventajas militares. Si los fenómenos meteorológicos naturales
podían predecirse, razonaba Von Neumann, los efectos colaterales de una
intervención humana (como fumigar aerosoles desde un avión o detonar
una bomba en la atmósfera) también podrían anticiparse. «Es posible llevar
a cabo los análisis necesarios para predecir los resultados, intervenir en la
escala deseada y, en último término, lograr efectos fantásticos», escribió. La
facultad de controlar el tiempo meteorológico podía tener consecuencias
insospechadas, ya que la naturaleza interconectada de la atmósfera implica
que la intervención llevada a cabo en un solo país pueda acabar
produciendo efectos en todo el planeta. «Todo ello hará converger los
asuntos de una nación con los de todas las demás, de manera mucho más
insoslayable que la amenaza de una bomba nuclear o cualquier guerra
previa conocida»[47].
En principio, una perspectiva tan inquietante debería desaconsejar toda
intervención en el entorno, pero dado que era muy probable que los
soviéticos estuvieran desarrollando su propia tecnología al respecto,
Estados Unidos tenía que anticiparse a ellos. «Tiemblo sólo de pensar en las
consecuencias que tendría que los rusos fueran los primeros en descubrir un
método eficaz para controlar el tiempo meteorológico», escribía por
entonces con inquietud un meteorólogo del Washington Post[48] Por suerte,
los intentos de modificar la meteorología con fines militares sólo se
llevaron a cabo en una escala relativamente pequeña, nunca tuvieron
demasiado éxito[49] y fueron declarados ilegales en 1978 por las Naciones
Unidas[50]. Con todo, y aunque estos proyectos fueron finalmente
abandonados por resultar demasiado complicados y peligrosos, empujaron a
Von Neumann a dedicar un valioso tiempo de computación al estudio de las
condiciones atmosféricas[51]. Tal es así que, en 1948, el científico reunió a
un equipo de meteorólogos para acometer un primer objetivo: hacer
predicciones atinadas con veinticuatro horas de antelación.
 Como había sido el caso de Richardson, el equipo pretendía ante todo
probar una hipótesis, más que producir un resultado práctico. Y, al igual que
el escocés, el grupo de trabajo se apoyó en las mujeres de su entorno. Se
sabe que Klara Dan von Neumann, la mujer de John, proporcionó
«instrucciones sobre la técnica de codificación […] y que revisó el código
final». Este constituye la espina dorsal de la simulación y son las
instrucciones que se introducen en la computadora, el equivalente a las
tarjetas perforadas de la máquina analítica de Babbage, y descompone la
resolución de las ecuaciones en una serie de pasos aritméticos
elementales[52].
Hoy, el código está por todas partes. Cuando encendemos el ordenador,
el teléfono móvil, la televisión, un rúter, una cámara digital, un coche, una
lavadora, un lavaplatos, la nevera, la calefacción central, un avión, el aire
acondicionado, un cohete espacial, una grabadora de vídeo, un tren, una
cámara de seguridad, una tetera eléctrica, una plataforma petrolífera, una
aspiradora o una cosechadora, lo más probable es que todos ellos hagan uso
de uno o más códigos creados por un equipo de desarrolladores. Los
ordenadores internos (puede haber más de uno) pueden estar conectados a
diferentes componentes del aparato (un motor, un surtidor, una pantalla…),
pero, en esencia, son similares a una ENIAC de tamaño infinitamente más
pequeño.
Sin embargo, desarrollar código para estas máquinas es muy diferente a
lo que era en aquellos tiempos, cuando introducir instrucciones en una
computadora requería una comprensión de sus mecanismos internos. Hasta
para hacer los cálculos más sencillos hacía falta conocer al detalle las
capacidades de un aparato particular, de modo que la persona que introducía
el código pudiera indicar cada paso de la forma en que debía llevarse a cabo
la operación. Crear algo tan complejo como una simulación implica
recopilar miles de instrucciones elementales, como sumar, restar,
multiplicar o comparar, que deben secuenciarse y presentarse de la forma
correcta, como si construyéramos un castillo de arena grano a grano. En
términos generales, el desarrollo de código era una labor tediosa, propensa
al error y cada vez más repetitiva a medida que avanzaba la tecnología.
Introducir el cambio más sutil en una simulación o —⁠peor aún⁠— trasladarla
a otra máquina podía llevar meses de copia, adaptación y revisión
manuales.
Grace Hopper fue una de las primeras personas en abordar este
problema y ofrecer una solución. Había trabajado como matemática en el
Vassar College (en el estado de Nueva York), pero lo dejó en los años
cuarenta para unirse a la reserva de la Marina estadounidense. En su nuevo
puesto, tenía que trabajar en un oscuro sótano de la Universidad de
Harvard, a puerta cerrada y custodiada por un guardia armado,
programando en una temprana competidora de la ENIAC conocida como
Mark I. Allí, Hopper pasó muchas horas desarrollando soluciones en código
para las ecuaciones aportadas por los ingenieros navales[53]. Se trataba de
una labor altamente especializada, pero tediosa y repetitiva. En un congreso
de científicos informáticos celebrado en 1978 explicaba a su audiencia que
«la mayoría de ustedes se quedarían atónitos si tuvieran que programar un
ordenador usando el manual del Mark I»[54].
Durante la década de los cincuenta, Hopper y sus colegas dieron con la
solución para ahorrarse la tediosa labor de escribir código: hacer que fuera
la propia máquina la que lo escribiera. La reacción inicial a la propuesta fue
de socarronería y Hopper tuvo que soportar comentarios del tipo de que eso
«era totalmente imposible; que los ordenadores sólo podían hacer
operaciones aritméticas y no podían escribir programas porque carecían de
la imaginación y la destreza de un humano»[55].
Pero Hopper no veía el problema. Si una persona podía proporcionar a
la máquina instrucciones de alto nivel sin que su codificación diera lugar a
ambigüedades, el ordenador podía traducirlas al detallado código en que se
basaba su propio funcionamiento. De ese modo, la tarea sería más parecida
a construir castillos de arena usando cubo y pala, y dejando que los granos
individuales se gestionaran a sí mismos. Así, los ordenadores podrían
«proporcionar un medio al alcance de todos […], de la gente corriente y
moliente que quisiera resolver determinados problemas», explicaba. La
«gente corriente y moliente», lega en ingeniería informática, podríamos así
concentrarnos en nuestros propios campos de especializaron, sin tener que
conocer los detalles precisos de cómo funcionaba una determinada
máquina.
 Y en eso consiste precisamente el código en la actualidad: en poder
introducir en un ordenador nuestra propia información (datos e
instrucciones especializados), empleando lenguajes que, por lo general,
parecen una forma abreviada y estandarizada del inglés. (Según Hopper,
sembró el pánico entre el equipo directivo de Remington Rand, donde entró
a trabajar después de la guerra, al demostrarles que esos lenguajes
informáticos, legibles por humanos, también podían basarse en el francés o
el alemán. Su equipo acordó ceñirse al inglés en el futuro[56]). Hoy existe
una gran variedad de lenguajes que los ordenadores son capaces de
interpretar, cada uno de ellos con su nombre idiosincrático: Python, Rust,
Swift, Java, Go, Scala o C++ son sólo algunos de ellos. El primero que yo
aprendí a manejar, siendo niño, tenía un nombre muy adecuado: Basic. Con
independencia de cuál sea el dialecto particular introducido, es la propia
máquina la que halla la manera de interpretarlo y de ejecutar sus
instrucciones, facilitándonos la vida enormemente.
El pronóstico meteorológico de la ENIAC se publicó en 1950, un poco
antes de que Hopper compartiera sus intuiciones, pero los siguientes
modelos predictivos se apoyarían ya en su nueva metodología para
desarrollar código, crucial también para otros avances posteriores que
abordaré más adelante. Incluso cuando se expresa en un lenguaje de alto
nivel, el código tiene que descomponer un problema en diferentes pasos
metódicos que, en el caso de las simulaciones, implica avanzar hacia el
futuro, hacia una conclusión, tal y como los Richardson habían
vislumbrado. El primer parte meteorológico realizado por la ENIAC, que
predecía el tiempo con veinticuatro horas de antelación, consistía en ocho
pasos de tres horas de diferencia cada uno. El proceso implicaba cerca de
un cuarto de millón de operaciones aritméticas individuales, algo fuera del
alcance de la humanidad antes de la aparición de los ordenadores.
Los resultados fueron alentadores, ya que por fin se consiguió una
predicción meteorológica que era, por lo menos, tan buena como la que
podían lograr los meteorólogos humanos sin ayuda de la máquina.
Cleveland Abbe murió en 1916, por lo que nunca pudo ver cumplido su
sueño, pero Lewis Fry Richardson escribió al jefe de meteorólogos del
proyecto para «felicitarle a él y a sus colaboradores por este gran progreso»,
un avance que tanto él como Dorothy consideraban «un enorme avance
científico respecto al único resultado, ciertamente fallido», que ambos
habían obtenido previamente[57].

RESOLUCIÓN Y REVOLUCIÓN

La primera predicción meteorológica realizada por ordenador constituyó un

logro impresionante para los versados en la materia, pero estaba lejos
todavía de tener utilidad práctica, ya que requirió unas veinticuatro horas
para ejecutarse. En otras palabras: la máquina invertía en su predicción el
mismo margen de tiempo que pretendía anticipar.
La ENIAC, que ocupaba una sala entera, realizaba unos quinientos
cálculos cada segundo. Apenas un año más tarde, la Oficina del Censo de
Estados Unidos ya empleaba una máquina capaz de realizar mil novecientos
cálculos por segundo. Una década más tarde, con la miniaturización de los
circuitos gracias al uso de transistores, la capacidad ascendió a millones de
cálculos por segundo. En la actualidad, un solo chip puede contener decenas
de miles de millones de estas microscópicas calculadoras, de modo que una
predicción como la que llevaba a cabo la ENIAC puede completarse en
pocos microsegundos con un ordenador portátil. Pero el hardware de los
ordenadores más potentes es el equivalente a decenas de miles de
ordenadores portátiles combinados en una sola megamáquina procesadora y
todopoderosa que ocupa un espacio similar al de sus antepasados.
Las simulaciones siempre sacan el máximo partido a la capacidad de
estas máquinas, ya que no existe un límite obvio del poder computacional
que puede aprovecharse. Para entender mejor por qué, piensa en un teléfono
móvil de hace veinte años: la información en pantalla tenía un aspecto
mucho más basto y granulado, porque la cuadrícula de píxeles en que se
basaba era mucho más pobre que las actuales. Al reducir cada vez más el
tamaño de éstos e incrementar su número, las imágenes de los aparatos de
hoy en día tienen una resolución mucho más alta: son incomparablemente
más nítidas y ricas en detalles.
 Las simulaciones informáticas —⁠ya se trate de la atmósfera de la Tierra
o de una galaxia lejana⁠— se benefician también de este incremento de la
resolución, que permite dividirlas en un número mayor de píxeles. Observa
cualquier fotografía satelital de una tormenta o de una galaxia y comprueba
su nivel de detalle. Amplía la imagen y verás que, dentro de los detalles,
todavía se ven más detalles. Cuanta más información podamos capturar y
simular, más precisos serán nuestros resultados, pero eso requiere más
resolución, más píxeles y, por lo tanto, más capacidad computacional.
Los avances en este campo han permitido que, en la actualidad,
cualquier persona pueda tener acceso a la previsión del tiempo para las
próximas horas, con una precisión de dos o tres kilómetros. Durante los
últimos veinticinco años, además, el acierto de las previsiones ha
aumentado de manera espectacular. Hace cuarenta años, sólo la predicción
para el día siguiente resultaba fiable; hace veinte, se podía predecir con
razonable acierto a tres días vista; hoy, ese margen se ha ampliado hasta los
cinco días[58]. Cuando se trata de un huracán, estos progresos pueden
significar la diferencia entre la vida o la muerte[59].
Resulta tentador atribuir la salvación de todas esas vidas al incremento
exponencial de la potencia de los ordenadores y su capacidad de resolución,
y aunque hay algo cierto en esa conexión, no se trata sólo de eso. Por un
lado, la medición de las condiciones iniciales mediante la creciente flota de
satélites y estaciones meteorológicas también contribuye a esa mejora. Por
otro, hay que tener en cuenta que las simulaciones no consisten sólo en las
reglas de las que he hablado. En este ámbito existe también una dimensión
oculta que suele ser la más importante tanto para los astrofísicos como para
los meteorólogos. Se la conoce como «subcuadrícula», y es en este punto
donde se están produciendo los mayores avances en la actualidad.
La subcuadrícula comprende todo lo que sucede dentro de cada una de
las celdas de la cuadrícula general de una simulación. Sin ella, el
mecanismo interno de las celdas pasaría desapercibido, ya que se asume
que cada una de ellas tiene exactamente el mismo valor en lo que se refiere
a las nubes, el viento, la temperatura y la presión. Los modelos de
subcuadrícula son las herramientas mediante las que introducimos los
detalles en un lienzo en blanco, y resultan absolutamente fundamentales.
Aunque una predicción meteorológica moderna pueda dividir la Tierra en
una cuadrícula formada por celdas de un par de kilómetros cuadrados cada
una, basta alzar la vista al cielo durante un día húmedo y caluroso para
advertir el problema: es muy probable que empiecen a formarse nubes cuyo
diámetro sea muy inferior a un kilómetro.
Sin el apoyo de la subcuadrícula, estas nubes no figurarían en la
simulación. Ya que, para el programa, una región sólo puede estar despejada
o cubierta de nubes, sin posibilidad intermedia. Como consecuencia, no
sólo es posible que la predicción resultante no detecte el riesgo de lluvia,
sino, peor aún, que calcule mal el calor del sol que absorberá el suelo, de
modo que las temperaturas que prediga sean incorrectas también. A medida
que progresen, los cálculos incorrectos de temperatura generarán otros
cálculos incorrectos sobre los vientos y, antes de que nos demos cuenta, la
previsión entera será completamente inservible.
En un mundo con capacidad computacional ilimitada, los científicos
podrían prescindir de la subcuadrícula aumentando la resolución de las
celdas individuales hasta que los recuadros fuesen más pequeños que esas
nubes incipientes. Tal vez los simuladores logren eso algún día, pero
entonces los meteorólogos tendrán que empezar a concentrar su atención en
procesos de escala aún más pequeña, hasta llegar al nivel microscópico. Ya
he mencionado antes que el modo en que se forman las nubes sobre un
bosque depende de la evaporación del agua contenida en los árboles. Pero
eso, a su vez, viene determinado por los microscópicos poros de las hojas,
los cuales se abren y se cierran mediante complejos mecanismos biológicos,
dependiendo de la cantidad de luz, la temperatura, la disponibilidad de agua
en el suelo, etc. Todos esos factores tienen que incluirse de alguna manera
en la simulación, pero son tan diminutos comparados con cualquier
cuadrícula concebible que la única opción es recurrir a la subcuadrícula. La
dificultad estriba en dar con las reglas adecuadas para programarla, pues
tienen que permitir al ordenador caracterizar todos esos detalles de una
forma razonablemente precisa, pero manejable al mismo tiempo.
Tras su publicación, el trabajo de los Richardson fue criticado con
dureza, no tanto por haber arrojado una solución evidentemente errónea,
sino por ser incapaz de capturar los fenómenos pertenecientes a esa escala
tan pequeña. Un profesor de la Universidad de Harvard afirmó que el
método estaba condenado al fracaso desde el principio porque «en la
meteorología diaria, lo que más efecto tiene son los fenómenos a pequeña
escala»[60]. Por si fuera poco, aseguraba también que el libro era tan difícil
de entender que «acabará pronto en algún estante de biblioteca, donde lo
olvidará la mayoría de quienes lo adquirieron».
Pero los Richardson habían comprendido el problema perfectamente y
ya habían apuntado en su trabajo la solución de las subcuadrículas: los
meteorólogos más atrevidos deberán idear ciertas órdenes que reproduzcan
los efectos más significativos y no contemplados. Dado que las nubes
pequeñas no podían ser representadas en la simulación, añadieron una
nueva regla que venía a decir que «en un día cálido y húmedo, al cabo de
unas pocas horas, algunos de los rayos del sol dejarán de alcanzar el suelo y
podría empezar a llover». Estas reglas para la subcuadrícula difieren en
carácter de las leyes de fluidos que las sustentan; su aplicación es específica
y limitada, y deriva de una mezcla de experiencia, expectativa y cálculos
generales más que de un razonamiento puramente formal.
Así, predecir cuándo va a llover es tarea de la subcuadrícula. Un
miembro del equipo meteorológico de la ENIAC, Joseph Smagorinsky,
señaló en 1955 que «a diferencia de lo que ocurre normalmente con otros
factores meteorológicos como la presión, la temperatura y el viento, la
precipitación a pequeña escala suele ser de una magnitud mucho mayor que
aquélla a gran escala»[61]. En otras palabras, sin conocer hasta el último
detalle de lo que sucede en la atmósfera, es extraordinariamente difícil
predecir cuánto lloverá.
A pesar de ello, Smagorinsky y su equipo siguieron adelante y
desarrollaron un código a partir de predicciones bien informadas sobre el
volumen de lluvia que caería de media sobre cada celda de la cuadrícula.
Siguiendo el consabido método de predecir el pasado, pero incluyendo
datos de pluviómetros en sus comparaciones, el equipo intentó averiguar si
podían hacer predicciones razonablemente acertadas. Y, en efecto, podían.
Smagorinsky se esforzó en señalar que no se trataba de magia: «lo que se
predice no es la estructura fina en sí misma, sino sus propiedades
estadísticas». Los promedios son calculables, pero estimar con precisión los
patrones de lluvia está fuera de nuestro alcance.
Cuanto más precisa y exhaustiva sea la descripción de una
subcuadrícula, mejor será en general una simulación. El drenaje y la
evaporación del agua, la nieve y su capacidad para reflectar el calor
procedente del sol, el derretimiento de la nieve, los múltiples efectos de la
vegetación, la resistencia que el terreno accidentado presenta al viento…; se
pueden elaborar descripciones de todos estos fenómenos como
complemento de las ecuaciones originales de dinámica de fluidos[62].
Actualmente, existe toda una industria dedicada al desarrollo y mejora de
esta clase de esquemas, cada uno de los cuales está siendo evaluado para
calibrar de qué modo contribuye a afinar las predicciones
meteorológicas[63].
Y los cosmólogos están embarcados en una empresa similar. Las
simulaciones del universo están basadas en las leyes de la dinámica de
fluidos, pero necesitan complementarse con reglas generales que tratan de
pintar los detalles que faltan en el cuadro. Cuando se simulan vastas
regiones del espacio exterior, incluso las estrellas y los agujeros negros son
relativamente pequeños en comparación, por lo que deben incluirse en los
cálculos de una manera aproximada. Estos detalles no sólo son vitales por
su propia existencia, sino también porque permiten construir una visión del
conjunto; lo que equivale a decir que una simulación que carezca de esos
ingredientes estará abocada al fracaso.
Pero la necesidad de una subcuadrícula hace añicos el sueño de un
cosmólogo de construir simulaciones que partan de un puñado de leyes
físicas irrefutables y concluyan con una descripción de todo el universo.
Porque la subcuadrícula consiste en saltos creativos que ayudan a rellenar
los espacios en blanco; es decir, se trata de algo más que de aplicar leyes
establecidas: consiste en aventurar conjeturas fundadas, lo que, por otra
parte, también puede poner en duda la cientificidad de las simulaciones.
Aprender a distinguir qué es lo que hay de fiable en lo que nos dicen los
ordenadores, a pesar de las especulaciones aplicadas a la subcuadrícula, es
parte consustancial del arte de la simulación informática y hablaré de ello
más adelante.
EL CAOS CLIMÁTICO

La precisión de las simulaciones, no obstante, cuenta con otro límite todavía

más fundamental. En 1958, cuando Syukuro Manabe, un joven físico
japonés, fue invitado por Smagorinsky a unirse al laboratorio de
investigación del Servicio Meteorológico de Estados Unidos, la idea de
predecir el estado de la atmósfera de la Tierra más allá de uno o dos días
resultaba inconcebible para la mayoría de los científicos. Prever qué tiempo
haría en cien años era, por supuesto, un ejercicio todavía más esotérico,
pero el poderoso John von Neumann había puesto a Smagorinsky a trabajar
en ese objetivo precisamente. Para él, se trataba del siguiente paso lógico en
el programa de investigación para el control meteorológico, pues entendía
que las intervenciones humanas serían más poderosas si se aplicaban
durante largos periodos de tiempo; y para ello era preciso simular la
evolución del planeta entero a años vista, poco después de contratar a
Smagorinsky, Von Neumann falleció en 1957, con cincuenta y tres años, a
causa de un tumor cerebral que tal vez estuviera relacionado con su
exposición a la radiación durante el desarrollo de las armas nucleares
estadounidenses. Pero Smagorinsky seguía queriendo entender el
funcionamiento del clima, por lo que comenzó a reclutar a las mentes más
brillantes del mundo en la materia.
Manabe era la persona adecuada para encargarse de las predicciones a
largo plazo. Algún tiempo después, diría de sí mismo: «Conduzco muy mal;
si empiezo a pensar en algo, dejo de prestar atención a las señales de
tráfico»[64]. Hombre modesto y de maneras suaves, Manabe trabajó en la
resolución del problema durante años, mientras Smagorinsky luchaba por
conseguir los recursos que precisaba para mantener los ordenadores y el
personal necesarios para el proyecto.
Smagorinsky sabía que sería un desafío lograr resultados convincentes.
Había colaborado con Edward Lorenz, quien se había hecho famoso por
formular la pregunta «¿Puede el aleteo de una mariposa en Brasil provocar
un tornado en Texas?»[65] Trabajando con simulaciones meteorológicas
simples, Lorenz había descubierto que, al tratar de predecir el tiempo a una
o dos semanas vista, obtenía resultados enormemente divergentes si alteraba
lo más mínimo las condiciones iniciales (de ahí la metáfora del aleteo de la
mariposa).
El tiempo es fácil de predecir para las siguientes horas si cuentas con un
sistema telegráfico. Si hablamos de los siguientes días, se puede predecir
con sofisticadas simulaciones, siempre y cuando partan de unas condiciones
iniciales certeras de alta resolución y un puñado de modelos de
subcuadrícula adecuados. Sin embargo, a partir de las dos semanas, la más
pequeña perturbación, indetectable por completo para cualquier sistema de
medición o subcuadrícula, puede generar una cadena de efecto dominó
capaz de modificar radicalmente la meteorología global. A esta prodigiosa
amplificación de diminutas diferencias iniciales se la conoce como «caos».
El caos es lo que impide que las previsiones meteorológicas detalladas
puedan extenderse más allá de las dos semanas[66]. Pero el tiempo
meteorológico y el clima no son lo mismo. Smagorinsky tenía la intuición
de que, a pesar del caos, los rasgos generales del clima sí podían llegar a
simularse a largo plazo. Aunque a veces es imposible predecir una tormenta
particular, o una ola de calor, en un lugar y un día determinados, la
tendencia a la regularidad de esos fenómenos sí puede representarse.
Tiempo después, Klaus Hasselmann, quien compartió el Premio Nobel de
Física de 2021 con Manabe, demostró matemáticamente que los promedios
de estas variaciones podían, de hecho, predecirse[67].
Si las comparamos con los estándares actuales, las tempranas
simulaciones del clima de Manabe y Smagorinsky resultan algo
rudimentarias, pero tenían la virtud de subrayar la manera en que se
combinaban los elementos de una intrincada red de efectos diferentes (el
equilibrio entre la entrada y salida de calor en el sistema, la circulación del
aire y los océanos, las lluvias y la evaporación) para determinar el futuro a
largo plazo. Manabe aseguró que contaba con «un laboratorio virtual de
todo el planeta»: en lugar de contentarse con simular la atmósfera terrestre
una vez, la reproducía pacientemente una y otra vez, cada una de ellas
alterando diferentes factores que podrían ser importantes para la estabilidad
del clima. Los resultados revelaron que doblar la cantidad de dióxido de
carbono en la atmósfera podía incrementar las temperaturas en 2 °C y, por lo
tanto, modificar peligrosamente los patrones climáticos.
 La hipótesis de que los niveles atmosféricos de dióxido de carbono
pudieran desempeñar un papel crucial en la configuración del clima había
sido formulada por Eunice Foote cien años antes[68] y era bien conocida por
Von Neumann[69], pero era una cuestión difícil de verificar antes de que
existieran las simulaciones detalladas. Lejos de intentar advertir a la
humanidad de una crisis climática en ciernes, Manabe se sumergió
inicialmente en la investigación del clima «por pura curiosidad. Creo que
sucede a menudo con los grandes descubrimientos que, al inicio de las
investigaciones, las personas implicadas no son conscientes de la relevancia
de lo que están haciendo».
Manabe expuso las conclusiones de su investigación a finales de los
años sesenta, si bien no fueron aceptadas inmediatamente porque algunos
cálculos menos sofisticados habían arrojado resultados ambiguos. Una
reseña de una conferencia celebrada en 1971 criticaba que «prácticamente
todas las recomendaciones van orientadas a la necesidad de más mediciones
y de más teoría», ya que existían muy pocos puntos de consenso[70]. Habría
que esperar hasta finales de los setenta para que las predicciones sobre el
calentamiento global realizadas mediante simulaciones gozaran de la
aceptación general, y hasta los años dos mil para que fueran confirmadas
por datos reales e inequívocos. Hoy, la realidad del cambio climático es
manifiesta y la falta de consenso no es cosa de los científicos, sino de los
legisladores[71]. «Comprender el cambio climático no es fácil, pero, aun así,
es mucho mucho más sencillo que tratar de entender lo que pasa en la
política actual», afirmó Manabe tras recibir el Premio Nobel.
La simulación informática del clima tiene también otro aspecto que
entusiasmaba particularmente a Manabe: no sólo pueden predecir el futuro,
sino que también pueden recrear el pasado. Dos cometidos que no son tan
diferentes en realidad, ya que ambos implican trabajar con asunciones sobre
los niveles de dióxido de carbono y de otros gases e introducirlos en el
simulador para determinar cómo afectan a la meteorología del planeta.
Usando datos extraídos de los núcleos de hielo, de los anillos en los troncos
de los árboles y de los fósiles es posible conocer la composición y la
temperatura atmosféricas globales de miles o millones de años atrás, cuando
el estado de la Tierra era muy diferente y sus temperaturas medias varios
grados más altas o bajas. Ajustando la composición de atmósferas virtuales
en sus simulaciones, Manabe y su equipo lograron recrear estas
antiquísimas condiciones meteorológicas, probando que los cambios
históricos en las temperaturas pueden entenderse como resultado de
variaciones en la composición de la atmósfera[72]. La investigación sobre la
historia del clima refuerza la evidencia de que las simulaciones informáticas
proporcionan respuestas significativas, incluso a pesar de la enorme
complejidad y el caos de nuestra atmósfera[73].
Todo esto nos da pistas sobre cómo usan los cosmólogos las
simulaciones. El universo es un lugar caótico y desordenado. Pero nuestro
trabajo no consiste en reproducir con exactitud cómo ha evolucionado cada
elemento. Dado lo increíblemente complicado que es predecir el tiempo que
hará, es evidente que, por más que quisiéramos, no podríamos replicar el
universo entero en un ordenador. Pero sí podemos representar sus
principales características a grandes rasgos, al igual que los científicos
climáticos pueden esbozar los patrones meteorológicos del pasado.
Del mismo modo que los fósiles nos cuentan la historia de la Tierra, la
luz que recogen los telescopios constituye un registro de lo que sucedió en
el universo hace mucho tiempo. Esta viaja siempre a la misma velocidad,
por lo que cuando los astrónomos observan galaxias distantes, lo que están
viendo corresponde a un tiempo en que el universo era un lugar muy
diferente al actual. El objetivo de nuestras simulaciones cosmológicas es
recrear y explicar en la medida de lo posible esos registros congelados. Pues
si la historia de nuestro planeta está inscrita en la tierra y las rocas, la
historia de nuestra galaxia está inscrita en el cielo.

LA TIERRA Y EL COSMOS

Ya se trate de recrear la Tierra u otro planeta, una estrella, una galaxia o el

universo entero, el esquema básico de una simulación es muy similar, razón
por la que he decidido empezar con la meteorología. Las simulaciones
siempre parten de una serie de condiciones iniciales (el tiempo que hace
hoy, una nube de materiales que se fusionan para conformar un sistema
solar, o los restos del Big Bang) para, a continuación, predecir cómo
evolucionarán esos fenómenos a través del tiempo. Los códigos con que
funciona el ordenador están diseñados para resolver las ecuaciones de
dinámica de fluidos, que describen materiales, fuerzas y energía. Pero
también necesitan un modelo de subcuadrícula, es decir, esas reglas
adicionales que capturan esos detalles que de otra manera el programa no
consideraría: gotas de lluvia, nubes y condiciones del suelo en el caso de los
meteorólogos; o estrellas, explosiones de supernovas y agujeros negros en
el caso de los cosmólogos.
Las predicciones meteorológicas han mejorado notablemente durante
los últimos treinta años. Uno de los primeros recuerdos que tengo es el de
una famosa tormenta sucedida en el mes de octubre de 1987, la peor de la
que se tiene registro en Inglaterra. Mi familia tuvo suerte de que el viento
sólo se llevara unas cuantas tejas, pero dieciocho personas murieron a causa
del temporal. Unas horas antes de que llegara la tormenta, el hombre del
tiempo de la BBC, Michael Fish, anunció a los telespectadores que sólo iba
a hacer «mucho viento», un error que lo persiguió durante el resto de su
vida.
«¿Por qué no se nos avisó?», clamó la portada del Daily Mail del día
siguiente[74]. El periódico parecía culpar al propio meteorólogo: «A Gwen
Hanson, de ochenta y cinco años, que vive a doscientos metros del señor
Fish, un olmo de doce metros le aplastó el tejado»[75]. Admito que una
predicción un poco más certera hubiera ayudado a la gente a prepararse
mejor para lo que venía, pero parece poco probable que ese tejado hubiera
podido salvarse. La propia señora Hanson declaró al periódico: «No culpo
al señor Fish personalmente», pero sus editores parecían sugerir que debía
hacerlo, pues la noticia añadía: «El señor Fish y su familia, mientras tanto,
estaban pasando un día de vacaciones».
Basta un desliz para que tu calle se llene de periodistas ávidos por
encontrar a vecinos indignados. ¿Quién querría ser presentador del tiempo
así? Los cosmólogos cometemos errores de ese tipo todo el rato y rara vez
nos machacan por ello en el Daily Mail. Y, como Fish ha explicado en
repetidas ocasiones durante las décadas posteriores, la tormenta sí fue
detectada. Su avance por el Atlántico estaba siendo monitorizado, pero, por
desgracia, no se contaba con la suficiente información y las proyecciones
evaluaron erróneamente que la borrasca se desviaría al llegar a Francia. La
razón principal del error es que no existían bastantes estaciones
meteorológicas en el Atlántico para trazar su progreso como era debido.
Todo el mundo esperaba que Inglaterra se librara de la peor parte.
Se trata de un error de cálculo comprensible, mucho más pequeño que el
de los primeros intentos de los Richardson de predecir el tiempo, y sería
imposible que se cometiera hoy, ya que contamos con muchos más satélites
y estaciones meteorológicas, incluso en mitad del océano, lo que reduce
mucho el trabajo de concreción de las condiciones iniciales. Además, los
ordenadores que realizan las simulaciones son mucho más potentes, tienen
una mayor resolución y emplean subcuadrículas mucho más refinadas para
rastrear los datos a pequeña escala relativos al calor, al viento o la humedad
de la atmósfera. También ha mejorado la comprensión de los meteorólogos
de cómo el caos conduce a predicciones inciertas. En los años ochenta,
tenían acceso a una sola simulación para cada parte. Hoy, los meteorólogos
estudian decenas de simulaciones diarias, lo que les permite analizar mejor
cómo podrían evolucionar las tormentas para realizar previsiones y
advertencias a una semana vista mucho más certeras y que cubren incluso
los escenarios más improbables[76].
Las mejoras seguirán produciéndose, pero llegará un momento en que la
previsión meteorológica alcanzará su límite, posiblemente alrededor de los
diez días de previsión. El caos no permitirá nunca que el futuro pueda ser
predicho al detalle, ya que nunca llegaremos saber con exactitud dónde
aletean todas las mariposas de la Tierra. De manera similar, cuando se trata
del universo entero, resulta imposible crear una simulación que reproduzca
a la perfección, hasta el último detalle, el cielo estrellado. Con todo, los
pioneros de la ciencia del clima demostraron que sí pueden predecirse los
patrones generales, algo que, para los cosmólogos, supuso un empujón
decisivo. Nuestro trabajo consiste en desentrañar una suerte de historia
general del universo y sus componentes, no en explicar los objetos o
fenómenos individuales.
 Las simulaciones del cosmos son, en muchos aspectos, muy parecidas a
las de la atmósfera terrestre, si bien en una escala inimaginablemente más
grande. Los sistemas meteorológicos abarcan cientos de kilómetros y
evolucionan en periodos de horas y días, mientras que las distancias y
tiempos relativos a las galaxias son billones de veces más grandes.
La escala en sí no representa un gran problema. Si te ponen una hoja en
blanco delante, puedes dibujar perfectamente el plano de una casa, de una
ciudad, de un país, de la Tierra, del sistema solar o de la Vía Láctea. Pero el
nivel de detalle de cada uno de ellos está estrictamente limitado; el mapa de
nuestra galaxia, por ejemplo, no te dirá nada sobre la Tierra, y menos aún
sobre tu casa. De modo parecido, a los ordenadores les podemos dar
instrucciones para que centren sus esfuerzos en recrear la meteorología de
nuestro planeta correspondiente a unos pocos días del calendario, o bien
que traten de abarcar miles de millones de estrellas a lo largo de la historia
completa del cosmos.
Pero existe, sin embargo, una diferencia mucho más fundamental. La
atmósfera de la Tierra está constituida por un 78 por ciento de nitrógeno y
un 21 por ciento de oxígeno, junto a otros gases más residuales[77]. Ninguno
de estos componentes es particularmente abundante en el espacio. La mayor
parte de nuestro sistema solar (unos tres cuartos del total) es hidrógeno. Y,
más allá, la materia de que está compuesto el universo en su totalidad se
vuelve cada vez más extraña. Existen indicios de que la gran mayoría de las
sustancias que flotan ahí afuera son desconocidas para la humanidad.
De hecho, en esto consiste el punto de partida de las simulaciones
cosmológicas: en trabajar con materiales que nunca han sido detectados en
un laboratorio, aquellos que no brillan, que no reflejan la luz ni proyectan
sombra. Materiales que, como un fantasma, atraviesan la roca más sólida.
Aunque, en principio, todo esto puede sonar muy diferente a las
predicciones meteorológicas, las técnicas de simulación que he presentado
son las mismas que se aplican al estudio del espacio profundo. Ahora que
ya hemos visto lo que se puede hacer para recrear y predecir el tiempo que
hará en la Tierra, avancemos con paso firme hacia el universo y
preparémonos para enfrentarnos a cualquier cosa, aunque de primeras se
nos antoje delirante.
 2
La materia oscura, la energía oscura y la red
cósmica

En 2003, al comienzo del tercer curso de la carrera de Física, decidí dejar

atrás los laboratorios y especializarme en Astrofísica teórica. No tanto
porque hubiera tenido un flechazo repentino con la astronomía, sino por el
insoportable tedio que me habían producido los experimentos de física del
segundo año. Si trato de recordarlos ahora, sólo me viene a la cabeza un
batiburrillo de láseres, lentes y complicados aparatillos electrónicos.
Algunos compañeros parecían tener un talento natural para todo aquello; al
cabo de un par de horas ya estaban recogiendo sus cosas y se largaban del
laboratorio. Pero yo me quedaba allí encerrado hasta que se hacía de noche,
incapaz de avanzar, liándome infructuosamente con algún aparato arcano.
Con el nuevo curso, me fugué al departamento de Astronomía, donde no
había que hacer experimentos; al fin y al cabo, allí nadie espera de uno que
se ponga a juguetear con el universo. Unas pocas semanas después, sin
embargo, los pocos desertores de mi clase empezamos a preguntarnos si el
aislamiento de la realidad en el que trabajábamos no sería peligroso. La
mayoría de nuestros profesores creía que el 95 por ciento del universo está
compuesto de dos ingredientes ocultos: la materia oscura y la energía
oscura.
Estas sustancias modifican la forma en que la gravedad opera en el
universo. La materia oscura añade peso a las galaxias, alterando así la
forma en que rotan éstas, mientras que la energía oscura acelera su
expansión. Sea como sea, en ambos casos, el apelativo «oscura» resulta un
término poco apropiado, ya que da a entender que estos materiales
oscurecen la luz y proyectan sombra. Por el contrario, se cree que son
transparentes y más escurridizos aún que el aire, también que no brillan, no
reflejan la luz, no proyectan sombra ni tienen ningún otro efecto directo
sobre la luz.
El aire es por lo menos fácil de atrapar y de estudiar. Cuando era niño,
tenía un cubo de plástico grande donde guardaba mis juguetes para la
bañera. Me encantaba darle la vuelta y sumergirlo, atrapando el aire, para
luego dejar que las burbujas se fueran escapando poco a poco hacia arriba.
A veces incluso usaba otro contenedor invertido para atrapar las burbujas a
medida que ascendían a la superficie, como si estuviera aprendiendo a
verter una realidad en otra paralela e invertida. Sin duda, algunos
experimentos son más divertidos que otros.
Pero con la materia y la energía oscuras no se puede hacer nada de eso.
Ningún experimento de laboratorio ha podido probar su existencia todavía
y, por lo que parece, no pueden atraparse dentro de ningún contenedor. Tal
vez sea posible construir algún aparato que proporcione una vía de entrada
a su extraño mundo, pero, hasta ahora, los físicos sólo tienen ideas muy
vagas de cómo intentarlo. De modo que, en 2003, los estudiantes de mi
clase empezábamos a dudar si había sido buena idea lo de desertar de Física
para pasarnos a Astronomía. Aquello de que fueran dos sustancias invisibles
e intangibles las que sostuvieran todo el tinglado no tenía muy buena pinta.
En Los cuentos bien contados, Rudyard Kipling daba explicaciones
disparatadas a hechos enigmáticos del mundo real. Así, las ballenas sólo
pueden comer krill porque un marinero molesto por haber sido devorado les
había colocado una rejilla en la boca. Los camellos, explicaba el libro,
tienen jorobas porque un genio al que jorobaba la ociosidad de dichos
animales los castigó de esta desconcertante manera. La piel de los
rinocerontes está tan arrugada porque un cocinero al que habían robado un
pastel la llenó de migas. Las galaxias giran tan sorprendentemente rápido
porque están atiborradas de la invisible materia oscura (Kipling no escribió
esta última, pero, al principio del curso, nos parecía que bien podría haberlo
hecho).
Los cuentos de hadas nunca deben interpretarse literalmente. Pero de las
teorías científicas sí cabe esperar que digan algo, si no del todo literal, sí al
menos lo más relacionado posible con la realidad. Se permite que estén
basadas en el pensamiento creativo, pero su poder explicativo tiene que
trascender la pura conjuración de un problema. Idealmente, también han de
implicar una suerte de apuesta: especifican algunas consecuencias de la
hipótesis teórica propuesta que pueden verificarse.
La materia y la energía oscuras constituyen, de hecho, hipótesis
científicas serias en ese sentido. Uno solo comienza a apreciarlas
verdaderamente al ver el amplio espectro de fenómenos cósmicos que
explican, muchos de los cuales fueron predichos antes de que se pudieran
realizar las observaciones astronómicas pertinentes. En los años ochenta y
noventa, las simulaciones desempeñaron una función esencial en estos
esfuerzos, al tiempo que los mapeos informatizados del cielo permitieron
empezar a catalogar los componentes del universo de manera sistemática.
La complementariedad entre estas dos ramas de la investigación es
asombrosamente eficaz, siempre y cuando la materia y la energía oscuras
estén presentes en las simulaciones para recrear el universo de la manera
adecuada. Con todo, que te cuenten esto en una conferencia es muy
diferente a comprobarlo por ti mismo. Visto desde los años veinte del
presente siglo, resulta impresionante cómo estas teorías, que surgieron a
finales del siglo XIX, combinadas con las simulaciones actuales, siguen
explicando nuevas observaciones año tras año. Por eso están tan por encima
de las explicaciones que Kipling imaginaba en sus cuentos.
En los capítulos siguientes, haré varias referencias a la acumulación de
pruebas sobre la existencia de la materia y la energía oscuras. Gracias a la
ayuda de las simulaciones, hemos conseguido desarrollar un conjunto
coherente de explicaciones para fenómenos aparentemente muy distintos:
los tamaños y formas de las galaxias; el modo en que estas giran, se mueven
y se transforman con el tiempo; la cambiante tasa de expansión del
universo; nuestros conocimientos relativos a los momentos iniciales del
cosmos; y la forma en que se organiza todo hoy, una gigantesca red que
domina el universo entero. Son muchas explicaciones convincentes a
cambio de un par de actos de fe.
Aun así, es frustrante que las pruebas que tenemos de su existencia sean
todavía indirectas, a pesar de los esfuerzos continuados por hallar la materia
oscura en un laboratorio. La espera para obtener una confirmación
irrefutable de que estas oscuras sustancias son tan reales como los
materiales que nos rodean y conocemos bien puede ser larga. Entretanto, un
poco de perspectiva histórica nos ayudará a convencernos de que no es que
todos los astrónomos hayan sucumbido de repente a una especie de delirio
colectivo.

INVENTAR LA NATURALEZA

Los orígenes de la noción de materia oscura se remontan a 1846 y al

descubrimiento del planeta Neptuno. Demasiado distante para ser
distinguido a simple vista, Neptuno no figuraba en los modelos clásicos del
sistema solar. Incluso después de la invención de los telescopios, todas las
observaciones habían sido incapaces de detectarlo, o bien lo habían
identificado erróneamente. A mediados del siglo XIX, sin embargo, varios
astrónomos empezaron a sospechar que en el sistema solar podía haber otro
planeta más.
Esta intuición se basaba en la trayectoria observada de Urano. Los
planetas orbitan alrededor del Sol debido a la gran fuerza gravitatoria de
éste, pero la trayectoria que siguen se ve sutilmente afectada por la
presencia de otros planetas. Aquí, en la Tierra, la influencia que ejercen los
más grandes (Júpiter y Saturno) modifica nuestra órbita a lo largo de
periodos de decenas de miles de años, lo que explica la ocurrencia regular
de glaciaciones[78].
 Con la ayuda de mediciones astronómicas precisas, en el siglo XIX se
hizo evidente que Urano se estaba desviando de su curso, aun teniendo en
cuenta el influjo de todos los planetas restantes conocidos. Durante las dos
primeras décadas, el astro cruzaba el cielo demasiado rápido y, en 1822, su
avance, por el contrario, era demasiado lento. Dos científicos, Urbain Le
Verrier y John Couch Adams, conjeturaron cada uno por su parte que la
única explicación razonable es que existiera otro planeta, enorme pero
desconocido, que estuviera perturbando la gravedad, empujando a Urano
hacia delante y hacia atrás. Ambos llegaron a calcular la presunta ubicación
de ese supuesto y desconocido planeta. Lo único que quedaba por hacer era
encontrarlo de verdad usando un telescopio lo suficientemente potente.
Adams, por entonces un joven y tímido estudiante, no era la persona
más adecuada para convencer al Observatorio de Cambridge de llevar a
cabo una búsqueda seria. La demostración deductiva de la presencia en el
cielo nocturno de un planeta nunca antes visto requería de complejísimos
cálculos que Adams no supo desarrollar particularmente bien. No logró
responder a las preguntas que le formuló en una carta el director del
observatorio, de modo que nadie estuvo muy dispuesto a dedicar a esa
búsqueda su valioso tiempo. Sólo cuando se supo que Le Verrier estaba tras
la misma pista, se llegó a hacer un intento, no muy concienzudo, de hallar el
planeta. Pero no hubo éxito.
En cuanto a Le Verrier, a pesar de ser de extrema contundencia en la
defensa de su intuición, tampoco logró persuadir a sus colegas del
Observatorio de París de que la búsqueda del planeta oculto merecía la
pena. De hecho, es probable que lo único que consiguiera fuese enojarlos y
enemistarse con ellos. Irascible y pagado de sí mismo, Le Verrier solía
coger su violín cada vez que se topaba con problemas en sus cálculos y,
llevado por un impulso febril, se ponía a tocar a cualquier hora del día o de
la noche[79]. Su persistencia sería, de todos modos, decisiva para la creación
del Servicio Meteorológico francés; en la línea de lo que FitzRoy estaba
haciendo en Gran Bretaña, si bien Le Verrier terminaría despidiendo a todos
los meteorólogos del centro porque no se entendía con ellos[80]. En palabras
de uno de sus supuestos amigos: «el observatorio es imposible sin él y
mucho más imposible con él»[81]. Aun así, las predicciones de Le Verrier y
Adams sobre el nuevo planeta no fueron confirmadas por los observatorios
de Cambridge o París, sino por astrónomos berlineses, el 24 de septiembre
de 1846, después de que éstos recibieran una carta desesperada del francés
diciéndoles hacia dónde tenían que apuntar sus telescopios. En cierto
sentido, Neptuno fue un prototipo de la materia oscura: algo que nunca
había sido visto, pero que afectaba a lo que sucedía en el resto del cielo.
Con el telescopio adecuado apuntando en la dirección correcta, no costó
determinar que Neptuno era tan real como cualquier otro planeta, aunque
algo más lejano y, por lo tanto, más difícil de detectar.
También en la historia de la física aplicada a la escala microscópica
encontramos especulaciones sobre la existencia de algo para tratar de
rellenar huecos incómodos. En 1930, Wolfgang Pauli, uno de los físicos
más importantes de todos los tiempos, se inventó un nuevo tipo de
partícula, el neutrino, sin contar con una sola prueba experimental directa
de su existencia. El austríaco sentía, de hecho, muy poca atracción por los
laboratorios, pues era notablemente torpe y sus colegas llegaban a quejarse
de que bastaba con su sola presencia en la habitación para que los aparatos
comenzaran a fallar de forma incomprensible[82]. Desde el refugio de su
despacho, Pauli se dedicaba a leer experimentos ajenos, mientras forcejeaba
con los fundamentos de la física del siglo XX, balanceándose
peligrosamente en la silla mientras pensaba[83].
Pauli estaba desconcertado por los experimentos que mostraban una
pérdida injustificada de energía durante la desintegración radioactiva, algo
que violaba la muy venerada ley de conservación de la energía. Escribió a
sus colegas que había «hallado un remedio desesperado», que consistía en
imaginar una nueva partícula que robaba la energía y se las apañaba de
algún modo para evadir los detectores de los experimentos[84]. Lo que más
tarde se bautizaría con el nombre de «neutrino» fue finalmente descubierto
en un experimento sofisticado y muy sensible llevado a cabo en 1956,
veintiséis años después de que Pauli formulara su especulación teórica. Y
eso no es nada comparado con el bosón de Higgs —⁠otra invención,
teorizada por primera vez en 1964⁠—, que sólo pudo ser hallado por un
equipo de físicos con ayuda del Gran Colisionador de Hadrones de la
Organización Europea para la Investigación Nuclear en 2012, cuarenta y
ocho años más tarde. La paciencia es la madre de la ciencia.
La física y la astronomía avanzan gracias a la interacción de los
experimentos, la observación, el cálculo y la pura invención. Imaginar
Neptunos, neutrinos y bosones de Higgs no tendría sentido si no se
realizaran cálculos rigurosos de sus efectos probables y, a continuación,
experimentos y observaciones que confirmen esos efectos. Nuestra
comprensión de la materia y la energía oscuras, a pesar del misterio en que
ambas siguen envueltas, también ha progresado a través de esas fases.

INGREDIENTES DE UNA GALAXIA

En el caso de la materia oscura, la hipótesis de su existencia parte de la

apreciación de que el universo está en continuo movimiento, algo que
fascinaba a la astrónoma Vera Rubin. En la tesina de su máster, en 1950,
formuló una pregunta audaz: ¿existe alguna prueba de que el universo gira?
La respuesta resultó ser «aparentemente, no»; los objetos individuales giran,
pero las observaciones de Rubin no demostraban que el universo entero
rotara. La sola formulación de la pregunta ya resultaba controvertida, ya
que los cosmólogos de su tiempo no lograban concebir cómo un giro de
semejante escala podía ser siquiera factible, por lo que consideraban
evidente que la respuesta sería negativa. Ninguna revista académica se
avino a publicar el estudio observacional de Rubin[85]. Más adelante en su
carrera, la astrónoma se aficionó a cuestionar posturas conservadoras. Se las
apañó para que le dejaran trabajar en el puntero Observatorio Palomar,
donde, técnicamente, no se admitían mujeres. El veto se justificaba
aduciendo que no había baño de señoras, así que Rubin solucionó el asunto
dibujando un monigote con falda y pegándolo en la puerta del servicio de
hombres[86]. En el momento de escribir su trabajo sobre la rotación del
universo, sin embargo, todavía era estudiante y decidió cortar por lo sano:
«Lo acalorado de la discusión arruinó la diversión. Hubo gente que fue
realmente desagradable conmigo […]. Para lidiar con la situación tuve que
largarme y ponerme a trabajar en algo del todo diferente», contaría años
después[87].
Rubin siguió interesada en la rotación del universo, pero enfocó sus
esfuerzos a estudiar cómo giraban las galaxias individuales, un tema menos
controvertido. De hecho, incluso las estrellas más conocidas, que nos
parecen formar constelaciones fijas y mantener su posición relativa entre
ellas, se mueven extraordinariamente rápido: pertenecen, como el Sol, a la
galaxia de la Vía Láctea, que gira a una velocidad de cientos de kilómetros
por segundo.
Detectar este movimiento no es fácil porque, a pesar de su inmensa
velocidad, las distancias implicadas también son enormes. Como
consecuencia, las estrellas apenas parecen moverse en el cielo, y para
detectar la rotación de galaxias enteras, los astrónomos tienen que servirse
del efecto Doppler. Conocido popularmente por ser el fenómeno que
explica por qué cambia el tono de la sirena de una ambulancia al
desplazarse ésta, el efecto Doppler también explica por qué cambia el color
de las estrellas cuando se acercan o se alejan de nosotros a toda velocidad.
Con la tecnología adecuada, los colores de la luz de una galaxia pueden
descomponerse en un espectro y ser medidos, lo que a su vez permite inferir
el movimiento general de las estrellas pertenecientes a dicha galaxia.
Gracias a eso, se sabía desde principios del siglo pasado que las galaxias
giran, de manera parecida a como lo hacen, en una escala más pequeña, los
planetas del sistema solar alrededor del Sol. La velocidad del movimiento
planetario, no obstante, se reduce de manera uniforme a medida que un
astro se aleja del centro. La Tierra órbita alrededor del Sol a una velocidad
de treinta kilómetros por segundo, mientras que Plutón, mucho más alejado
del centro, lo hace a cinco kilómetros por segundo. Esto es una
consecuencia natural de la gravedad: a mayores distancias, la fuerza se
debilita y los cuerpos celestes en órbita se mueven con más lentitud.
Esta ralentización asociada a la distancia debería ser aplicable también a
los movimientos que se producen dentro de las galaxias. La mayoría de las
estrellas de una galaxia típica suele apiñarse cerca del centro, pero aquellas
que se encuentran más alejadas deberían, como Plutón, verse menos
afectadas por la gravedad y, por lo tanto, desplazarse más despacio. Sin
embargo, durante los años sesenta y setenta, Rubin estudió diversas galaxias
y elaboró un espectro para cada una de ellas que le permitió medir la
velocidad de las estrellas más alejadas del centro. Los resultados
demostraron sin lugar a dudas que éstas se movían increíblemente rápido.
De hecho, se desplazaban tan deprisa que lo previsible hubiera sido que
salieran despedidas hacia el abismo que se abría más allá de los bordes de la
galaxia, como un coche que entra demasiado rápido en una curva y se sale
de la carretera.
Tenía que haber algo que causara esa veloz rotación y que, al mismo
tiempo, impidiera que las galaxias se desintegraran. Y, al igual que había
sucedido con los misteriosos movimientos de Urano, la solución más
sencilla al misterio era atribuir esos comportamientos a la fuerza
gravitatoria ejercida por algún objeto no detectado todavía. En lugar de
concentrarse en un solo nuevo planeta, sin embargo, la masa causante de
aquella fuerza tenía que estar distribuida por cada galaxia y, muy
especialmente, en las remotas zonas exteriores. Esta sustancia adicional fue
bautizada como «materia oscura», y debía quintuplicar en masa, más o
menos, a la materia normal para evitar que las estrellas se salieran de su
trayectoria galáctica.
Rubin fue pionera a la hora de obtener pruebas, en los años setenta, de
la existencia de la materia oscura y logró convencer a una parte
considerable de la comunidad astronómica de que se tomaran la cuestión en
serio. Un puñado de investigadores habían encontrado, ya a principios de
siglo, indicios de esta sustancia y habían intentado buscar una explicación
al hecho de que fuera tan difícil observarla directamente. En 1904, el
reputado físico lord Kelvin aventuró la hipótesis de que «es probable que
muchas estrellas, tal vez la gran mayoría de ellas, sean cuerpos oscuros»[88].
En 1930, el astrónomo sueco Knut Lundmark especuló a su vez con que
«las estrellas muertas, las nubes oscuras, los meteoritos, los cometas y
demás» pudieran aumentar significativamente la masa de las galaxias[89].
En esa misma década, el astrónomo suizo Fritz Zwicky refirió haber
descubierto indicios de la existencia de lo que llamó precisamente dunkle
Materie y que él juzgaba que podía estar formada por volutas de gas o
estrellas frías, que emiten poca luz[90].
 Desde una perspectiva moderna, ninguna de estas ideas puede ser
correcta. En gran parte porque, dada la ubicuidad de la materia oscura, la
mayoría de los cosmólogos están bastante convencidos de que esta
sustancia tiene que estar formada por alguna clase de partícula; un poco
como los protones, neutrones y electrones que conforman el mundo
material que nos rodea, pero, por alguna razón, muy difícil de detectar
directamente, como sucedía con el neutrino de Pauli. Se está llevando a
cabo una gran variedad de experimentos en la Tierra para intentar hallar qué
clase de partículas adicionales puede proporcionar la naturaleza, si bien
hasta ahora sin éxito. Es comprensible, por tanto, que los estudiantes de
Física sigan siendo tan escépticos al respecto como éramos nosotros en
2003.
La propia Rubin mostró su preocupación por la falta de progresos:
«Cuanto más tiempo pasa sin que logremos una confirmación observacional
directa, más empiezo a preguntarme si la explicación es todavía más
compleja de lo que creemos en la actualidad», escribió pocos años antes de
fallecer, en 2016[91]. Hasta los cosmólogos más optimistas admitirán que,
por sí sola, la imprevista rotación de las galaxias difícilmente justifica la
invención de una nueva partícula. Por otra parte, los años setenta supusieron
la aparición de las simulaciones informáticas del universo y, en los ochenta,
éstas ampliaron las pruebas de la existencia de la materia oscura, tanto a la
escala de galaxias individuales como del universo en su totalidad. Sólo
comprendiendo estas simulaciones puede uno empezar a vislumbrar la
potencia que la materia oscura tiene como concepto.

KICKS Y DRIFTS

La idea de las simulaciones consiste en aplicar las leyes de la física para

hacer una predicción científica. Hasta ahora, he descrito en líneas generales
cómo funcionan en el caso de las predicciones meteorológicas y climáticas
de nuestro planeta. Las simulaciones cosmológicas, en cambio, en lugar de
predecir los ciclos del aire y la humedad en la atmósfera, se ocupan de
estudiar cómo se mueven las estrellas y otros cuerpos celestes, tanto en el
interior de las galaxias como en el universo en general. Pero ¿cómo
podemos pedir a un ordenador que prediga el comportamiento de la materia
oscura cuando ni siquiera sabemos lo que es? ¿Qué leyes físicas podemos
introducir en el programa como punto de partida?
La respuesta está en el rasgo definitorio de la propia materia oscura: se
trata de una sustancia que se hace notar a través de la gravedad. Por suerte,
hasta donde sabemos, y a diferencia de otras fuerzas, la gravedad afecta a
todos los cuerpos de la misma manera. Un imán de nevera, por ejemplo,
sólo se adhiere a determinadas superficies, pero la gravedad es menos
quisquillosa y, si se le da la oportunidad, lo tirará todo al suelo con gran
estrépito. Sea lo que sea la materia oscura, tenemos buenas razones para
pensar que ejercerá la fuerza gravitatoria y responderá a ella como cualquier
otro cuerpo. Para poner las cosas todavía más fáciles, es justo suponer
también que, al igual que el neutrino, la materia oscura es prácticamente
ajena a cualquier otra fuerza. Ésta es la única razón por la cual se entendería
que se comporte de manera tan distinta a la materia normal, que, debido al
electromagnetismo, se fusiona en átomos y moléculas reconocibles. Si los
neutrinos o la materia oscura se vieran afectados por estas fuerzas no
gravitatorias, serían otros componentes más del familiar mundo material
que nos rodea.
Dado que la gravedad es una fuerza universal, sus efectos pueden
reproducirse con relativa independencia del tipo de materia con que se
trabaje. La primera simulación llevada a cabo para estudiar la profunda
influencia de la gravedad en las galaxias fue desarrollada por Erik
Holmberg durante la Segunda Guerra Mundial, mucho antes de que la
noción de materia oscura fuera tomada en serio[92]. Al igual que los
Richardson y su predicción meteorológica, Holmberg no utilizó ningún
ordenador para su simulación. Pero tampoco resolvió el problema con lápiz
y papel. Basta con aproximarse a su trabajo para descubrir enseguida que
era un amante de la tecnología. Solía emplear sus propios aparatos,
complejos e ingeniosos, para abordar problemas mucho más avanzados que
los que estudiaban otros astrónomos de su tiempo. Entre estos dispositivos
destacan en particular unos electrónicos muy sensibles para la medición de
la luz, conocidos como fotómetros, con los que se podía escanear
fotografías de galaxias y convertir las imágenes en datos matemáticos
precisos para su posterior estudio. Tras realizar una serie de pruebas
elaboradas en las que hizo competir a sus máquinas con astrónomos
expertos a la hora de analizar imágenes de galaxias, Holmberg concluyó
que «la superioridad del fotómetro sobre el ojo humano es manifiesta»[93].
El sueco comenzó a desarrollar su simulación al darse cuenta de que un
fotómetro, en principio una herramienta de medición, podía convertirse en
un instrumento de cálculo y de predicción. Estos dispositivos eran por
entonces un invento reciente y de apariencia modesta: unos pocos
centímetros cuadrados de cobre montados sobre un soporte de madera[94].
El cobre, sin embargo, ocultaba una capa interna de material semiconductor,
el mismo que poco después permitiría la aparición de los transistores y la
revolución informática. Esta disposición genera una corriente eléctrica a
partir de la luz, la intensidad de la cual se puede leer a través de la aguja de
un medidor eléctrico.
No resultaba ni mucho menos obvio, a primera vista, que esa clase de
tecnología pudiera ayudar a simular la función de la gravedad en el
universo. Pero Holmberg se percató de que la luz y la gravedad son, hasta
cierto punto, intercambiables: la fuerza gravitatoria que ejerce cualquier
masa sobre nosotros decrece a medida que nos alejamos de ella, de forma
matemáticamente idéntica a como mengua la intensidad de la luz si nos
alejamos de su fuente.
En 1941, Holmberg se encerró durante varias semanas en un oscuro
laboratorio y construyó un modelo a escala —⁠de unos pocos metros⁠— de
dos galaxias. Varias bombillas hacían las veces de estrellas y, midiendo la
intensidad variable de su luz, pudo determinar las fuerzas gravitatorias
resultantes. Holmberg no podía replicar los miles de millones de estrellas
que contiene una galaxia real, pero le bastó con setenta y cuatro bombillas
para responder a una sola cuestión crucial: si la gravedad podía aproximar
ambas galaxias (de treinta y siete bombillas cada una) hasta hacer que se
fundieran en una sola. Su experimento era enormemente imaginativo y
revolucionario, pero permaneció en el olvido durante treinta años. Algunas
ideas se adelantan demasiado a su tiempo.
 El experimento consistía en tres pasos diferentes, análogos a los que las
predicciones meteorológicas usan para proyectarse en el tiempo. En él, cada
bombilla ocupaba una posición de partida y Holmberg tabuló por escrito sus
respectivas velocidades y direcciones. No se trataba de que las tablas
indicaran la velocidad del propio dispositivo experimental, ya que las
bombillas no tenían la menor intención de moverse del sitio, sino de
registrar el movimiento en el escenario intergaláctico que él estaba
intentando recrear, en el que dos galaxias se aproximan una a otra a gran
velocidad.
Para imitar los efectos de ese movimiento, Holmberg comenzó
dirigiendo manualmente cada bombilla a lo largo de la dirección estipulada
por la distancia que viajaría en un millón de años (ajustada a la escala de su
maqueta). Este método se conoce en inglés como drift step, algo así como
«paso de deriva», y sigue siendo una parte clave de las simulaciones
modernas. Se basa en que las estrellas u otros componentes de la simulación
se desplazan a una velocidad y con una dirección fijas.
Pero eso es sólo la mitad de la historia, porque la fuerza de la gravedad
afecta gradualmente al movimiento de las estrellas. Tras el drift, por lo
tanto, Holmberg se puso a recalcular su tabla de movimientos. Para ello,
midió la intensidad de la luz en el emplazamiento de cada bombilla, lo que
a su vez le daba información sobre la fuerza gravitatoria ejercida
implícitamente por las otras y le permitía actualizar la tabla. Esta operación
se conoce a su vez como kick step y se funda en la noción de que las
estrellas son impulsadas a una nueva trayectoria por efecto de las fuerzas
gravitatorias. Una vez hubo completado estos dos pasos, Holmberg inició
de nuevo todo el proceso: drift-kick, drift-kick, drift-kick, avanzando en su
simulación un millón de años con cada nuevo ciclo de cálculos.
En las galaxias reales, no hay separación entre kicks y drifts, sino que
las fuerzas que intervienen modifican gradualmente la trayectoria de las
estrellas, de modo que esta forma una curva. La separación, introducida de
forma artificial por estos cálculos, reemplaza dicha curva por una serie de
líneas rectas, pero si los pasos son lo suficientemente pequeños, la
aproximación que se logra es excelente. La simulación del tiempo
meteorológico se basa en la misma idea: el cambio de la atmósfera es
continuo y gradual, y es calculado por aproximación con un ordenador
mediante una serie de saltos en el tiempo.
Dado lo extremadamente laborioso del proceso (tomar medidas,
actualizar la tabla, recolocar con cuidado setenta y cuatro bombillas
individuales a mano, y después repetirlo todo una y otra vez), merece la
pena detenerse a pensar por qué Holmberg estaba dispuesto a invertir todo
ese esfuerzo. Incluso si dejamos a un lado las fases de diseño y de
construcción del experimento, sólo ejecutar la simulación tuvo que ser una
tarea fatigosa e interminable. Aunque tal vez parte del atractivo del proceso
radicara precisamente en eso. En una carta a su colega el astrónomo Herbert
Rood, Holmberg explicaba que uno encontraba «gran satisfacción cuando
podía manejarlo todo por sí mismo».
Lo que hace valioso el método es que permitía llegar a una conclusión
que no podía obtenerse por otros medios. Sin el equipo de Holmberg,
determinar la forma en que una sola estrella es arrastrada por la masa de las
demás habría requerido setenta y tres minuciosos cálculos por separado. A
su vez, estimar la atracción ejercida sobre cada estrella individual por cada
una de las restantes habría elevado la cifra de cálculos necesarios a varios
miles. Holmberg habría tenido que repetir esta ingente labor en cada una de
las varias docenas de saltos temporales del proceso. En total, los cálculos
implicados le hubieran llevado toda una vida, de modo que, a efectos
prácticos, se trataba de una tarea imposible. Por el contrario, la simulación
construida con bombillas, aunque también comportaba mucho trabajo, le
permitió responder una pregunta que nadie más podía.
Al concluir la simulación, había reunido suficientes datos para
demostrar que las dos galaxias estaban en proceso de fundirse en una, en
lugar de limitarse a cruzarse en sus respectivas trayectorias. Holmberg no
contaba con los recursos necesarios para llevar más lejos su investigación,
pero si advirtió la aparición de unos brazos en espiral en sus galaxias. Y éste
es su rasgo más llamativo: esas bellas y suaves intensificaciones de la luz
que semejan arabescos de leche en el café galáctico. Hoy tenemos gran
cantidad de pruebas, procedentes tanto de observaciones como de
simulaciones, de que las galaxias se fusionan, lo que constituye una de las
formas en que pueden crearse esas estructuras espirales. Las conclusiones
de Holmberg anticiparon nuestra comprensión moderna del fenómeno.
Pero no se trata sólo del resultado. También su método presagió las
simulaciones actuales de las galaxias y, específicamente, las de la materia
oscura.

SIMULAR LO DESCONOCIDO

Se pueden extraer varias lecciones del experimento de Holmberg. En primer

lugar, y de manera similar a como sucedía con las predicciones
meteorológicas, no es estrictamente necesario contar con un ordenador para
realizar una simulación. Asimismo, y lo que es igual de importante,
tampoco hace falta ser demasiado preciso en lo que atañe a lo que
representa la simulación: si sustituir estrellas por bombillas nos parece
natural es sólo porque nos podemos hacer una imagen mental de una
constelación parpadeando en el interior de un laboratorio a oscuras.
Las bombillas podrían haber pasado por estrellas para un observador
casual, pero setenta y cuatro de ellas es un número ridículamente pequeño si
tenemos en cuenta la media de estrellas con que cuenta una galaxia. De
hecho, cada bombilla en el experimento de Holmberg equivalía a miles de
millones de estrellas. El truco aquí es parecido al de las encuestas
electorales: si quieres saber quién va a ganar, no necesitas saber qué va a
votar cada persona, basta con preguntar a una pequeña fracción del
electorado y proyectar cuidadosamente los resultados. De manera similar,
setenta y cuatro bombillas pueden servir para representar el efecto
gravitatorio de cientos de miles de millones de estrellas.
De nuevo, esta diferencia respecto de una reproducción exacta de la
realidad es un reflejo de las simulaciones meteorológicas, que recrean el
comportamiento de grandes masas de gas en lugar de rastrear cada molécula
de la atmósfera. La abstracción de Holmberg puede llevarse aún más lejos:
la analogía no se basa en sí la masa de las galaxias está formada por
estrellas o por otra cosa, sino que captura cómo fluye la materia a través del
universo, con el único supuesto de que la gravedad es la fuerza en juego
más importante. Centrarse exclusivamente en ella no tendría sentido en una
simulación de nuestra atmósfera, en la que la presión y el viento son los
factores más relevantes, pero constituye un punto de partida formidable
para comprender el espacio.
Y es ahí donde la materia oscura entra en juego. Dado que las pruebas
observacionales indicaban que hay al menos cinco veces más de ella que de
materia visible, lo más natural era reconvertir el enfoque de Holmberg en
una simulación de materia oscura. El hecho de que en la realidad ésta no se
ilumine no tiene relevancia, pues aun así podemos usar la luz como una
representación de su gravedad.
Cuando, en los años setenta, comenzó a tomarse en serio la idea de la
materia oscura, las computadoras digitales ya eran lo suficientemente
potentes para tomar el relevo, de modo que ya no hacía falta recurrir al
truco de la luz, si bien seguía siendo vital la capacidad para abstraerse de
los detalles. Los resultados de Holmberg brindaron confianza a los
cosmólogos para seguir trabajando con simulaciones que trataban de hallar
si la fuerza gravitatoria de la materia oscura podía ser lo que hubiera
esculpido el universo entero[95]. En lugar de bombillas en un laboratorio,
los elementos básicos de estas simulaciones son números en una
computadora digital. Estos representan tanto las estrellas como la propia
materia oscura, y los efectos de la gravedad se calculan usando el puro
poder computacional de la máquina, en lugar de tener que recurrir a la
analogía lumínica. Con todo, la técnica básica del kick y el drift sigue
siendo la misma, y los astrofísicos actuales comparan la distribución de
materia predicha por la simulación con la observada en el universo real, tal
y como hizo Holmberg.
En este punto tengo que hacer un poco de hincapié en la terminología.
En las simulaciones digitales actuales se recrean muchos paquetes
individuales de materia oscura en movimiento, que serían el equivalente a
las bombillas de luz de Holmberg. En la década de 1970, se hizo habitual
referirse a ellos como «partículas de materia oscura», y el nombre se ha
mantenido, a riesgo de provocar una gran confusión. Para muchos físicos,
una partícula de materia oscura significa algo muy distinto, pues hace
referencia a una partícula físicamente real que esperan poder hallar algún
día usando un equipo lo bastante sensible, como sucedió con el bosón de
Higgs. Por el contrario, en una simulación, una partícula es la
representación que sustituye alguna sustancia y no tiene más relación con
una partícula real que la que una bombilla tiene con una estrella. De modo
que propongo usar un término menos ambiguo para los pedazos de materia
oscura incluidos en las simulaciones: «partículas virtuales» o «partículas
v».
A mediados de los años setenta se empezó a poder estudiar el
comportamiento de galaxias hechas con setecientas partículas v, lo que
requería doscientos cincuenta mil cálculos sobre su fuerza gravitatoria en
cada uno de las decenas de pasos de drift y kick. Los ordenadores podían
arrojar los resultados de dichas simulaciones en unas pocas horas[96]. Desde
entonces, los más grandes del mundo han aumentado su potencia
exponencialmente por cientos de millones.
A medida que la tecnología avanza, no es raro que se vea rebasada por
las ambiciones y, como consecuencia, las simulaciones más grandes
realizadas hasta la fecha contienen varios billones de partículas v. Aunque
hay cierto afán competitivo e infantil en ello, del tipo «mi simulación tiene
más partículas v que la tuya», ese nivel de detalle también responde a una
necesidad científica real. Al igual que sucede con los meteorólogos cuando
usan una cuadrícula más fina, cuantas más partículas virtuales añadamos a
nuestra simulación, con más profundidad podremos estudiar el
comportamiento de las galaxias.
Añadir detalle no es la única forma de aprovechar la creciente potencia
informática. Al igual que un artista puede elegir pintar un finísimo retrato o
un gran paisaje, los astrofísicos podemos usar las partículas v para
representar unas pocas galaxias con una precisión cada vez mayor, o bien
usar un lienzo más grande para empezar a mapear los cientos de miles de
millones de galaxias que existen en el universo visible. Todos esos billones
de partículas virtuales pueden emplearse para ampliar gradualmente nuestro
horizonte hasta que comprendamos cómo se expande la materia oscura (y
todo lo demás) a lo largo y ancho del espacio.
LA MATERIA OSCURA FRÍA

Desde mediados del siglo XX sabemos que el universo tiene unos catorce
mil millones de años de antigüedad, que se expande y que en su origen tenía
tan sólo una pequeña fracción de su tamaño actual. Pero la expansión no
desperdiga las galaxias de una manera azarosa. Durante los años ochenta,
las observaciones realizadas por potentes telescopios mostraron que las
galaxias están ligadas entre sí por una vasta «malla cósmica» plagada de
zonas casi desiertas entre medias, algo así como una enorme telaraña[97].
Los filamentos unen decenas o incluso cientos de galaxias, cada una de
las cuales es unas diez mil veces más pequeña que el propio filamento, por
lo que, a la escala de una simulación, aparecen tan sólo como un pequeño
punto brillante. Sin embargo, ese punto contiene cientos de miles de
millones de estrellas, cada una de las cuales puede tener múltiples planetas.
De modo que la estructura de la que estoy hablando se traza con motas de
luz que brillan como el rocío en una telaraña de proporciones
descomunales.
Uno de los primeros proyectos que revelaron esta curiosa estructura
cósmica reticular fue dirigido por el astrónomo Marc Davis. Ducho en
tecnología (se pagó sus estudios universitarios trabajando en una empresa
de software), construyó un sistema digitalizado y automatizado para mapear
todas las galaxias. De manera no muy diferente a lo que Holmberg había
hecho décadas antes, se dio cuenta de que los catálogos de galaxias
existentes habían sido reunidos de forma algo anárquica, y decidió
automatizar el proceso de rastreo del cielo con la ayuda de ordenadores.
Dentro de la cúpula del telescopio «había cables por todos lados […], no
hice el trabajo más fino de la historia, pero funcionaba», explicaría más
tarde[98].
Con todo, los resultados parecían un gran puzle: ¿cómo y por qué
habían sido las galaxias dispuestas de esa forma? Davis concentró sus
esfuerzos en encontrar una explicación a estas cuestiones. Para ello, sumó a
su equipo a tres jóvenes investigadores y los puso a trabajar en el problema
usando simulaciones. Entre ellos estaban una joven promesa de la
astronomía, Simon White, y uno de sus doctorandos, Carlos Frenk, quien
acababa de escribir una tesina defendiendo la existencia de la materia
oscura en nuestra propia galaxia. Hoy, a punto ya de retirarse, Frenk sigue
haciendo gala de un entusiasmo irreprimible y casi juvenil por la
cosmología: «Me cuesta creerlo, pero acabé encontrando el mejor trabajo
del universo», contó en una conferencia en 2022[99].
El equipo lo completaba George Efstathiou, quien por entonces estaba
acabando su tesina en la Universidad de Durham y era el creador del único
código en el mundo capaz de ejecutar simulaciones de la escala y la
sofisticación necesarias para aquella empresa. Efstathiou dirigía el Instituto
Astronómico de Cambridge cuando yo aterricé allí, en 2005, para empezar a
trabajar en mi tesina y para mí fue una figura de autoridad algo intimidante.
Pero en los años ochenta había sido un motero que vestía cazadoras de
cuero, y él y sus tres jóvenes colegas eran conocidos en el mundillo como la
«banda de los cuatro», en referencia al legendario cuarteto de radicales del
Partido Comunista Chino[100].
Para apreciar mejor las ventajas del código de Efstathiou sobre sus
predecesores, hay que considerar que el universo, hasta donde sabemos, no
parece tener bordes. Cuando los cosmólogos hablamos de que éste se
expande no queremos decir que haya una especie de burbuja de materia
dilatándose por el abismo. De hecho, la totalidad del espacio que podemos
contemplar con nuestros telescopios ya está lleno de redes de galaxias y,
aun así, éstas se separan gradualmente unas de otras. Es muy difícil hacerse
una imagen mental de ello y constituye un verdadero galimatías práctico
para las simulaciones, pues ¿cómo podemos representar un universo
ilimitado con un ordenador de capacidad finita?
La solución consiste en usar trucos matemáticos para hacer que un
pequeño universo simulado parezca infinito. La analogía más próxima nos
la puede proporcionar el clásico videojuego recreativo Asteroids, en el que
el jugador pilota una nave espacial en 2D y navega por un universo del
tamaño de la pantalla, disparando a las rocas espaciales para destruirlas y no
colisionar con ellas. Si una de ellas, o la nave, se desplaza hasta el borde
derecho de la pantalla, desaparece, pero reaparece al poco por la izquierda,
y viceversa. Igualmente, si vuelas hasta el límite superior de la pantalla,
acabas reapareciendo por abajo, como si te teletransportaras. Con una
simplicidad no carente de belleza, esa configuración permite crear un
universo de juego sin bordes, pero limitado en su extensión a la pantalla y,
por lo tanto, manejable en términos informáticos. El código de Efstathiou
implementaba esta idea a la hora de simular el espacio, sorteando las
enormes exigencias técnicas al reproducirlo en el interior de una caja
milagrosa, sin paredes.
La banda de los cuatro combinó este universo en una caja con el método
de cálculo estándar para progresar en el tiempo en las simulaciones
(mediante kicks y drifts) y logró demostrar cómo la materia oscura y su
gigantesca influencia gravitatoria iban construyendo gradualmente, a lo
largo de miles de millones de años, una gran telaraña de materia cósmica.
Allí donde hay una cantidad adicional de materia oscura, aumenta la
atracción gravitatoria, mientras que, por el contrario, allí donde hay menos,
la gravedad es más débil y los cuerpos se separan más fácilmente. Esto
produce un efecto dominó: un pequeño paquete de materia densa es capaz
de absorber con rapidez todo lo que lo rodea y, con el tiempo, acaba
formando estructuras gigantes, como son las galaxias. Y, a medida que estas
comienzan a atraerse entre sí, algunas chocan y se fusionan, tal y como
Holmberg había mostrado. A su vez, las que no están lo bastante cerca para
fusionarse se alinean conformando una malla galáctica sorprendentemente
parecida a los mapas que Davis había trazado del universo.
Como los científicos del clima, los cosmólogos podemos jugar con las
conjeturas de las simulaciones para descubrir cómo responden estas
diferentes estructuras y si los resultados se corresponden con la realidad. En
los años ochenta, el interés giraba en torno a los neutrinos: ¿bastaban estas
misteriosas partículas para explicar toda la masa oculta que el universo
parece albergar? A primera vista, los neutrinos resultaban perfectos: eran
completamente invisibles, abundaban en todo el cosmos y, a diferencia de
cualquier otro candidato a materia oscura, su existencia había sido
confirmada mediante experimentos realizados aquí, en la Tierra.
Estos experimentos también habían probado que los neutrinos tenían
que ser excepcionalmente ligeros; su masa debía rondar, como mucho, la
cienmillonésima parte de un átomo de hidrógeno[101]. Por sí mismo, ese
dato no sería obstáculo para que los neutrinos actúen como materia oscura,
ya que en teoría hay tantísimos en el universo que su efecto gravitatorio
total podría seguir siendo enorme. Fue el cosmólogo ganador del Premio
Nobel Jim Peebles quien advirtió, sin embargo, de que unas partículas tan
sumamente ligeras se moverían demasiado deprisa. Al igual que resulta más
fácil lanzar con fuerza una pelota de críquet que una bola de cañón, en el
origen del cosmos los ligeros neutrinos tuvieron que salir disparados en una
danza frenética[102]. Una vez reajustadas para incluir estos rápidos
movimientos, las simulaciones del equipo confirmaron que era imposible
formar a partir de estas partículas la clase de malla densa e imbricada que
había sido observada en la realidad[103]. Los neutrinos se movían a tal
velocidad que se dispersaban por todo el universo en lugar de concentrarse
para crear las estructuras requeridas.
Este descubrimiento fue decisivo, ya que confirmaba que ninguna
partícula conocida por la física podía identificarse con la materia oscura:
hacía falta hallar algo completamente nuevo, algo a lo que empezó a
llamarse, de manera algo críptica, «materia oscura fría». El término deriva
de la idea de que las partículas que se mueven a gran velocidad, como los
neutrinos, son «calientes», ya que lo que experimentamos como calor
obedece en realidad a movimientos rápidos, si bien por lo general suceden a
escala microscópica. Por el contrario, la materia oscura fría se identifica con
partículas invisibles, pesadas y lentas, las cuales forman estructuras mucho
más parecidas a las que observamos en la realidad. Para ilustrar este
fenómeno, resulta útil pensar en una fondue: si el universo estuviera hecho
de un material demasiado caliente, se tornaría fino y disipativo, pero si está
hecho de materia oscura fría, esta tiende a aglutinarse, formando los pegotes
estructurales en forma de red avistados por los telescopios.
Los resultados de las simulaciones encierran una segunda conclusión:
los neutrinos tienen que ser aún más ligeros de lo que se pensaba a
principios de los ochenta. Esto es así porque no basta con tener materia
oscura fría en el universo simulado, sino que ésta debe ser la fuente
dominante de gravedad. Si los neutrinos tienen demasiado peso gravitatorio
en el modelo, comienzan a deformar la red de materia oscura fría y las
simulaciones dejan de coincidir con la realidad. Dado que prescindir de los
neutrinos tampoco es una opción, ya que sin duda abundan en el espacio, la
única conclusión factible es que cada uno de ellos sea tan excepcionalmente
ligero que sus efectos gravitatorios sean mínimos. Los experimentos
actuales confirman que la masa de los neutrinos es al menos treinta veces
menor de lo que los físicos creían a principios de la década de 1980. Así
pues, las conclusiones de las simulaciones son correctas[104].
Estos dos resultados catapultaron las simulaciones al centro del debate
en el ámbito de la cosmología y la física de partículas. Simon White,
miembro de la banda de los cuatro, recibió una rara invitación para viajar a
Moscú, al otro lado del telón de acero, para reunirse con Yakov Zeldovich,
un formidable e influyente físico ruso. Éste llevaba años defendiendo la
idea de que los neutrinos y la materia oscura eran una y la misma cosa[105],
pero, una vez vio los resultados de las simulaciones con White, mientras
desayunaban en su apartamento, asintió con sequedad y cambió de tema de
conversación[106]. Aquélla era su forma, al parecer, de admitir su error.

LA ENERGÍA OSCURA

La noción de materia oscura fría va más allá de la peregrina historia de una

masa invisible que explica la rotación de las galaxias, pues permite elaborar
una interpretación coherente del crecimiento de la gran telaraña cósmica
dentro de nuestro universo. Pero la teoría sigue incomodando a los
científicos: «ningún físico que se precie va a estar a gusto con ella hasta que
se descubra la materia oscura en un laboratorio», decía Marc Davis en
1988[107]. Seguimos esperando. Los hallazgos del neutrino y del bosón de
Higgs demuestran que estas esperas pueden ser largas, pero, en el ínterin, el
universo está empezando a volverse aún más extraño.
Durante los años ochenta, los telescopios de todo el mundo siguieron
ampliando nuestra comprensión de la red cósmica. Davis había concentrado
sus esfuerzos en las simulaciones, pero otra de las directoras de su equipo
original de mapeo, Margaret Geller, sospechaba que aún había más hilo del
que tirar. Había estado fascinada desde la infancia por los patrones
tridimensionales. Visitaba a menudo el laboratorio de cristalografía de su
padre, dedicado a inferir el regular entramado de la estructura atómica de la
materia. La noción de la red cósmica reemplazó a la convicción previa de
que las galaxias se dispersaban al azar y Geller se dio cuenta de que «gran
parte de lo que la gente daba por sabido no se sabía en absoluto»[108]. De
modo que ella y dos colegas más iniciaron una búsqueda más profunda, que
fuera más allá de lo que Davis había catalogado.
Hacia el final de la década, Geller había logrado incrementar la
sensibilidad del dispositivo de mapeo automatizado del cielo, que ahora era
capaz de hallar seis veces más galaxias, muchas de las cuales eran
presencias mucho más distantes y débiles[109]. El nuevo mapa, ampliado,
reveló que la red de estructura cósmica posee filamentos individuales que se
prolongan a lo largo de cientos de millones de años luz, lo que supuso una
nueva sorpresa para la comunidad cosmológica, ya que, si bien se daba por
hecho que la red cósmica se extendía a todo el espacio, las simulaciones de
materia oscura fría habían concluido que los filamentos individuales debían
de tener unos treinta millones de años luz como mucho. Estaba claro que
algo fallaba en las simulaciones existentes y, según sugirió Geller, «puede
que el modelo apropiado sea uno mucho más desordenado»[110].
Este desorden resultó ser la fuerza de la antigravedad, que extrae
filamentos cada vez más largos de la red cósmica. La idea que subyace a
esta teoría es de un importante abolengo en física: tanto Newton como
Einstein especularon con la existencia de una antigravedad repulsiva como
puntal de sus respectivos trabajos sobre la gravitación, si bien ambos
descartaron la idea porque no había ninguna prueba de ella[111]. Hoy,
llamamos «energía oscura» a cualquier fuerza que disperse el universo, en
contraposición a la materia oscura, que atrae y fusiona las galaxias.
Los efectos de la energía oscura tienen que ser muy débiles, ya que no
generan un impacto medible en el sistema solar o a escala galáctica. Aun
así, sus efectos son significativos a escalas lo suficientemente vastas.
Einstein la llamó «constante cosmológica», una fuerza suave pero incesante
que acelera de forma gradual e imparable la expansión general del universo.
Algunas simulaciones de los años ochenta incluían la energía oscura,
pero sólo con el fin de ser más completas teóricamente, ya que pocos
cosmólogos creían en serio que pudiera tener un efecto real. En 1990,
respondiendo a la nueva generación de mapas galácticos, George Efstathiou
señaló que la expansión acelerada por la energía oscura incrementaba la
escala de la red cósmica, como si ésta hubiera sido ampliada en una
fotocopiadora gigantesca[112]. Si un universo simulado tuviera cerca del 80
por ciento de energía oscura (la cifra admitida actualmente está más cerca
del 70 por ciento), y la proporción restante fuera sobre todo materia oscura,
el universo virtual y el real volverían a aproximarse. Eso implicaba que, si
los astrónomos pudieran medir la expansión del universo directamente,
hallarían que ésta se acelera de acuerdo con la antigravedad de la energía
oscura a gran escala.
Ocho años más tarde, en 1998, dos equipos de astrónomos anunciaron
que habían logrado medir la expansión del universo usando el telescopio
espacial Hubble y que, en efecto, se estaba acelerando, tal y como indicaban
las simulaciones. Sólo cuando comprendí la importancia de este hecho pude
entender por qué mis profesores de la universidad estaban tan convencidos,
ya a mediados de la primera década de los dos mil de la existencia de la
materia y la energía oscuras. En realidad, se trata de algo asombroso: la
audacia de la imaginación, estimulada por una combinación de
especulaciones teóricas, datos irrefutables y simulaciones informáticas que
producen, en último término, una predicción que demuestra ser precisa.
Tal vez, «predicción» no sea el término más adecuado, ya que aquí se
trata de recrear el pasado y, en ciencia, las predicciones suelen hacerse
sobre el futuro. Alguien que trabaja en física de partículas puede prever lo
que el experimento mostrará al día siguiente y después averiguar si su
hipótesis era correcta o falsa. Para los astrónomos, sin embargo, predecir el
futuro en este sentido es posible, pero rara vez resulta útil. Estamos seguros
de que nuestra galaxia, la Vía Láctea, colisionará con su vecina Andrómeda
en menos de cinco mil millones de años, lo que sin duda producirá una
visión espectacular en el cielo nocturno, pero esta información no supone
ninguna ventaja práctica a la hora de reunir pruebas que confirmen o
refuten las teorías cosmológicas. Nadie tiene intención de esperar ciento
cincuenta millones de generaciones para ver si llevaba razón.
De todas formas, no hace falta tener una paciencia sobrehumana. El
universo no cambia tanto durante el transcurso de una vida humana, pero sí
lo que sabemos acerca de él. Ésa es la razón por la que los cosmólogos no
suelen dedicarse a predecir lo que sucederá en el futuro, sino lo que
averiguarán en el futuro. La energía oscura se originó hace miles de
millones de años, pero hasta 1998 no descubrimos que la expansión del
universo se estaba acelerando. Así, las simulaciones de 1990 hicieron
predicciones en ese sentido.
Desde entonces, los telescopios han multiplicado por treinta su
capacidad para penetrar en las profundidades del universo y las
explicaciones de la materia y la energía oscuras siguen considerándose
válidas. Cuando contemplamos regiones del universo tan alejadas, estamos
observando el pasado, ya que la luz tarda muchísimo en llegar hasta
nosotros, por lo que la predicción de la simulación no tiene que ver con la
red cósmica actual, sino con lo que ésta era hace miles de millones de años.
Las simulaciones reproducen algo que ya ha sucedido, pero de lo que la
humanidad aún no tiene pruebas.
Si hablamos de los años ochenta y noventa con los cosmólogos que
estaban en activo en esa época, describirán una situación inicial de crisis
que se va transformando en entusiasmo. Yo nací en 1983 y empecé a
estudiar Cosmología a principios de los años dos mil, un momento en el que
todas estas ideas ya se tomaban en serio. En uno de mis primeros
encuentros en persona con George Efstathiou —⁠o, al menos, uno de los
primeros en los que me atreví a hablarle⁠—, le pregunté si de verdad creía
que ahí fuera había toda esa cantidad de materia invisible. Él me respondió
con su proverbial franqueza y desparpajo: «Por supuesto».

LA OSCURIDAD VISIBLE

Soy un converso. Si la materia oscura se limitara a ofrecer una explicación

racional de la rotación sorprendentemente rápida de las galaxias, no se
diferenciaría mucho de un cuento para niños. Es demasiado fácil inventarse
una explicación como las de Kipling para un hecho aislado. Pero la rotación
galáctica es sólo una de las muchas formas en las que esta esotérica
sustancia hace sentir su presencia. Todavía más significativa es la manera
en que la materia oscura y la energía oscura atraen y repelen,
respectivamente, para producir la estructura general de nuestro universo, la
red cósmica. Experimentando con simulaciones hasta dar con una estructura
que juzgaran satisfactoria, los cosmólogos pioneros pudieron inferir como
es debido hechos cruciales acerca de nuestro universo: que la materia que
podemos observar directamente no puede explicar por sí sola la existencia
de la red cósmica, que los neutrinos tienen que ser demasiado ligeros para
desempeñar una función significativa, y que la expansión del universo debe
producirse en aceleración. Este tipo de capacidad predictiva es la marca de
una teoría científica exitosa y, si bien se han propuesto hipótesis alternativas
para explicar la rotación de las galaxias, ninguna más que la materia oscura
ha sido capaz de explicar tantos fenómenos.
Hoy, gracias a la red interconectada de observaciones, teorías y
simulaciones que dio lugar al conocimiento de las décadas de 1980 y 1990,
está firmemente asentada la concepción de un universo constituido por un
25 por ciento de materia oscura, un 70 por ciento de energía oscura y
apenas un 5 por ciento de los átomos y moléculas restantes de los que
estamos compuestos tú, yo, los planetas, las estrellas y demás partes
visibles de las galaxias. En los capítulos siguientes aportaré más pruebas de
ello.
Esto no quiere decir, sin embargo, que la materia y la energía oscuras
proporcionen explicaciones finales y definitivas acerca de lo que sucede en
el universo. En realidad, son incompletas en el sentido de que no están
conectadas con otras teorías físicas más familiares. Desde esa perspectiva
clásica, los neutrinos hubieran constituido una explicación de la estructura
cósmica mucho más satisfactoria: comprendemos no sólo que existen, sino
también por qué existen, en cuanto que grupo más amplio de partículas
subatómicas que compone nuestro mundo cotidiano. A pesar de sus
orígenes como solución teórica desesperada de Pauli, los neutrinos son hoy
parte integral de nuestra comprensión de los componentes de la naturaleza;
una comprensión conocida como el «modelo estándar» de la física de
partículas.
 La materia y la energía oscuras no se ajustan a este modelo estándar y,
por lo tanto, deben ser consideradas como explicaciones meramente
tentativas. No sabemos cómo se relaciona la materia oscura con el familiar
mundo de las partículas, aunque existen teorías especulativas con nombres
exóticos como «supersimetría», «axiones» o «neutrinos estériles» (primos
hipotéticos de los neutrinos estándar), cada una de las cuales implica una
versión ligeramente diferente de la materia oscura. Había grandes
esperanzas de que el Gran Colisionador de Hadrones (LHC, por sus siglas
en inglés) o bien algún detector especializado pudieran hallar pruebas de la
existencia de la supersimetría en particular, pero, en los últimos años, al no
producirse ningún hallazgo, las expectativas han comenzado a
desvanecerse. Lo cierto es que, hoy en día, tenemos pocas pistas sobre qué
es en realidad la materia oscura y estamos completamente perdidos acerca
de lo que es la energía oscura. Continúan los experimentos para buscar
nuevas partículas específicas, pero no hay garantía alguna de que vayan a
tener éxito a corto plazo.
Aunque eso pueda resultar frustrante, también ofrece oportunidades casi
ilimitadas para el desarrollo de simulaciones. La materia y la energía
oscuras pueden ser tantas cosas diferentes que los expertos codifican
continuamente diferentes variaciones en sus universos virtuales, sólo para
ver qué sucede y si se corresponde con lo que hay ahí afuera. No existe el
parámetro perfecto, pues la correspondencia entre una simulación y la
realidad es sólo una cuestión de grado. Siempre hay margen de mejora y
siempre existe la posibilidad de que la introducción de variaciones produzca
modelos aún más acordes al universo real.
¿Podemos imaginar que la materia oscura se vea afectada, aunque muy
débilmente, por el efecto de una fuerza distinta a la de la gravedad? ¿O tal
vez se mueva un poco más rápido de lo que se cree en la actualidad, no
tanto como un neutrino pero tampoco tan lenta como la materia oscura fría?
¿O podría la energía oscura dispersar el universo de una manera
ligeramente diferente de lo que Einstein llamó «la constante cosmológica»?
Siguiendo el método original de la banda de los cuatro, cosmólogos de
todo el mundo pueden simular universos con diferentes ingredientes y
comparar los resultados con la realidad. Si alguna modificación de las
asunciones subyacentes produce un modelo más próximo a lo que se
observa ahí afuera, sabemos que vamos por buen camino. Llegados a ese
punto, podremos dar nuevas directrices a los laboratorios sobre el tipo de
partículas que deberían buscar.
Algunos cosmólogos dirán que ya contamos con indicios de una
inminente revolución, con nuevas variantes de materia y energía oscuras
que se ajustan mejor que nunca a las observaciones de los telescopios[113].
Yo no estoy tan seguro, porque comparar una simulación con la realidad no
es tarea sencilla y uno puede sacar conclusiones precipitadas[114]. El
problema es que las simulaciones de finales del siglo pasado se centraban,
con pocas excepciones, en ese 95 por ciento del universo «oscuro», en lugar
de hacerlo en el 5 por ciento que es visible. Y comparar esos resultados con
la realidad observada por los telescopios requería partir de una gran
asunción: que la gravedad de la materia oscura atrae gas y estrellas a su
paso, lo que significa que las galaxias se forman siempre allí donde ésta es
más densa.
Es como arrojar luz sobre la oscura estructura de las simulaciones, algo
que, al principio, funcionó razonablemente bien. Desde el punto de vista de
una simulación, las estrellas se comportan de manera muy similar a la
materia oscura, ya que la fuerza clave, la gravedad, afecta a toda la materia
por igual. Así, es razonable que las estrellas se acumulen donde la atracción
de la materia oscura es más fuerte. Pero este análisis pasa por alto una
diferencia: una asunción clave de estas simulaciones y de las predicciones
resultantes es que la materia oscura surgió una fracción de segundo después
del Big Bang, pero las estrellas son muy diferentes en ese sentido, ya que su
origen es relativamente tardío y aparecieron al menos cien millones de años
después del nacimiento del universo[115].
A diferencia de las partículas de materia oscura, las estrellas tardan
tiempo en formarse a partir de nubes de hidrógeno y de helio. Estos gases
están sometidos a otras fuerzas aparte de la gravedad: la presión puede
apartar o atrapar nubes de gas, mientras deja que la materia oscura fluya
libremente. A menos que una simulación pueda reproducir el complejo
comportamiento del gas, no podrá predecir cuándo ni dónde nacen las
estrellas, ni dónde terminan. La idea de que las estrellas siguen el rastro de
la materia oscura constituye un buen atajo, pero no es precisa.
Con el cambio de siglo, ha quedado claro que la relación entre los
componentes invisibles y visibles de nuestro universo es compleja. Para
investigar la verdadera naturaleza de la materia y la energía oscuras, los
cosmólogos no tuvieron más remedio que desentrañar primero la forma en
que nacen y evolucionan las galaxias. Simular el 95 por ciento del universo
parecía una gesta impresionante, pero simular el 5 por ciento restante (el
correspondiente al gas, las estrellas y las galaxias) probaría ser aún más
difícil.
 3
Las galaxias y la subcuadrícula

Si alzas la vista hacia el cielo nocturno en una ciudad, sólo verás un puñado
de estrellas. Si te aventuras en la oscuridad de la montaña, sin embargo, una
vez tus ojos se acostumbren, distinguirás cientos de ellas y, poco a poco,
hasta unos miles. A medida que tu visión se adapte, discernirás también una
suave banda de luz que divide el cielo en dos, he ahí la Vía Láctea,
compuesta de cientos de miles de millones de estrellas, para cuyo
avistamiento individual necesitarías de un potente telescopio. Si vives en el
hemisferio sur, en una noche sin luna, tus ojos tal vez distingan una mancha
de luz en mitad de la constelación de Andrómeda: se trata de una galaxia
similar en escala a la nuestra, pero mucho más distante. ¿Por qué el
universo está formado por islas como ésas, separadas a su vez por un vasto
espacio prácticamente vacío? Ésa es una de las preguntas fundamentales
que tratan de responder los cosmólogos.
La Vía Láctea es nuestro hogar galáctico y Andrómeda es nuestra
vecina de mayor tamaño, pero distan mucho de ser las únicas galaxias
existentes. La película de 1997 Contact comienza con un plano que
sobrevuela la Tierra, tras lo cual la cámara retrocede y nuestro planeta
comienza a alejarse. Dejamos a un lado la Luna y Marte, volamos a través
del cinturón de asteroides y sobrepasamos también Júpiter y Saturno, hasta
que el Sol y el sistema solar son poco más que una mota; vislumbramos
entonces incontables estrellas y relucientes nubes de gas y, dejando atrás la
Vía Láctea, flotamos en el abismo del espacio profundo. La cámara
imaginaria de Contact ha volado miles de millones de veces más lejos que
ninguna nave espacial humana, pero este viaje cinematográfico dista mucho
de ser completo.
Decenas de nuevas galaxias vuelven a emerger en la pantalla y la Vía
Láctea queda absorbida por esa multitud. Finalmente, la pantalla se llena de
puntos, de galaxias más allá de la nuestra, algunas más pequeñas y otras
más grandes, cada cual con su color y forma particulares. El arranque de la
película ilustra la concepción contemporánea del universo como un vasto
océano de oscuridad en el que un abigarrado puñado de islas brillantes se
agrupan en una estructura en forma de telaraña.
Las simulaciones de materia oscura de las que hablamos en el capítulo
anterior recreaban bien la red cósmica, pero podían explicar poco acerca de
las galaxias que la conformaban. Ello se debe a que, por definición, una
simulación que sólo incluya materia oscura no nos proporciona ningún dato
que podamos observar directamente mediante los telescopios. Los
astrofísicos podían intuir que cada aglomeración lo suficientemente grande
de materia oscura tenía una galaxia en su centro, pero no podían explicar
por qué éstas tenían un tamaño, una forma y un color determinados. Para
eso, resulta esencial incluir en la simulación las estrellas y los gases. Añadir
esos ingredientes permite realizar un ejercicio de contabilidad cósmica y
probar si el paradigma de la materia oscura se sigue sosteniendo cuando se
comparan los resultados obtenidos con las galaxias observadas en la
realidad. No sólo eso: dado que vivimos en el interior de una galaxia, estas
simulaciones mejoradas son también un paso necesario para la comprensión
de nuestra propia historia. Si no sabemos cómo se distribuyen el gas y las
estrellas por el cosmos ni por qué lo hacen de ese modo, no podemos
explicar tampoco cómo nacieron el sistema solar y la Tierra dentro de la Vía
Láctea.
La posibilidad de estudiar con ayuda de los ordenadores el porqué de la
existencia de las galaxias, sus historias, y sus diferentes tamaños y formas
era lo que más me atraía cuando empecé el doctorado, en 2005. Había algo
fascinante en la idea de capturar las piezas básicas del universo en el
interior de un ordenador y estudiarlas. Además, parecía el momento
adecuado: los astrofísicos habían logrado por esa época simular galaxias, si
no idénticas, alentadoramente parecidas a las reales.
Sin embargo, a medida que fui aprendiendo cómo funcionaban estos
modelos tan revolucionarios, empecé a desilusionarme; los ordenadores no
tienen todavía la potencia suficiente para esta tarea. Para recrear
informáticamente una sola galaxia, hay que simplificar al máximo las leyes
esenciales de la física en una serie de reglas tentativas. En particular, el
nacimiento, la vida y la muerte de las estrellas (los hornos nucleares que
hacen que las galaxias sean visibles) tienen que describirse necesariamente
de manera muy vaga, sin principios metódicos y rigurosos.
Sucede lo mismo que sucedía con la subcuadrícula de las predicciones
meteorológicas. Las gotas de lluvia y las hojas de los árboles son demasiado
pequeñas y numerosas para ser incluidas en una simulación de la Tierra, por
lo que su tratamiento debe abordarse recurriendo a la aproximación. De
manera similar, cuando trabajamos con galaxias, los superordenadores no
pueden rastrear los miles de millones de estrellas individuales que existen
dentro de cada una, por lo que la solución es recrear sus efectos usando
subcuadrículas de reglas aproximadas. En el caso de las simulaciones
meteorológicas, que sirven un propósito eminentemente práctico, esos
atajos están permitidos. El objetivo de las simulaciones de galaxias, sin
embargo, es estudiar la historia del cosmos, por lo que el uso de
subcuadrículas conjeturales es mucho más dudoso.
Ese problema cobrará gran importancia en este capítulo. En la
actualidad, aunque ya no me siento desilusionado, sigo dedicando mucho
tiempo a reflexionar sobre la tensión entre la realidad, la física y las
simulaciones. Los ordenadores nunca serán capaces de capturar
completamente la riqueza y los infinitos detalles de nuestra Vía Láctea, no
digamos ya de los miles de millones de galaxias restantes, por lo que saber
discernir qué resultados de las simulaciones hay que tomarse en serio y
cuáles no constituye una habilidad en sí misma. Las simulaciones modernas
de galaxias estudian cómo se relacionan a lo largo del tiempo los múltiples
cuerpos que las componen, comenzando poco después del nacimiento del
universo, pero su objetivo no puede ser reproducir cada aspecto de este
larguísimo proceso porque resultaría imposible. En lugar de eso, lo que
hacen es proporcionar un esquema de la historia del cosmos. Y aunque no
es una recreación literal, puede emplearse para interpretar el pasado tal y
como lo observamos en la realidad: nuestros más potentes telescopios
escrutan la inmensidad del pasado, ya que la luz emitida por los objetos
distantes puede tardar miles de millones de años en llegar hasta nosotros.
Esos pequeños y remotos puntos de luz que avistamos, procedentes en
realidad de un universo antiquísimo, tienen un aspecto muy diferente a las
galaxias cercanas, y las simulaciones nos proporcionan un medio para tratar
de explicar por qué.
Para comprender cómo descubrieron los astrofísicos la historia de las
galaxias y saber en qué resultados de las simulaciones podemos confiar, hay
que rebobinar de nuevo hasta los años sesenta, cuando los telescopios
habían logrado asomarse al pasado y habían observado tan sólo una décima
parte del enorme lapso transcurrido desde el Big Bang. Por entonces, nadie
prestaba demasiada atención al origen de las galaxias ni a cómo cambiaban
a lo largo del tiempo. De hecho, imperaba la asunción general de que
habían permanecido casi inalteradas al menos en los últimos miles de
millones de años. Una única doctoranda, Beatrice Hill Tinsley, sería la
encargada de sacudir esta complaciente creencia de los cosmólogos al
preparar el terreno para la llegada de las simulaciones galácticas modernas.

LAS GALAXIAS DE TINSLEY

Hay trabajos científicos precisos, minuciosos y brillantes; otros son

verdaderos manifiestos, capaces de definir una nueva forma de
pensamiento. La tesis doctoral de Tinsley, escrita en 1967, lograba de algún
modo combinar ambas cualidades[116]. Demostraba por qué existen
sobradas razones para pensar que las galaxias cambian a lo largo del
tiempo, establecía cómo desarrollar simulaciones que permitan reconstruir y
explicar estos cambios, y concluía afirmando que toda la cosmología de su
época necesitaba una profunda revisión.
El prestigioso astrónomo estadounidense Allan Sandage había estado
usando los telescopios más grandes del mundo para estudiar galaxias
situadas a unos pocos miles de millones de años luz de la Tierra con un solo
propósito: mapear la expansión del universo empleando los datos sobre la
velocidad y la distancia de dichas galaxias. Sandage logró medir a qué
velocidad se movía cada una y, teniendo en cuenta también la luminosidad
con la que se veían a través del telescopio, calibró la distancia a la que se
encontraban. Todo objeto luminoso parece más brillante cuanto más
próximo está, y viceversa, pero deducir a partir de eso una medición precisa
de la distancia a que se encuentra requiere conocer la luz intrínseca de una
galaxia o, de lo contrario, una brillante y remota puede confundirse con otra
menos luminosa pero más cercana. Sandage estudiaba estos fenómenos
partiendo de la asunción de que todas las galaxias que había escogido para
su investigación brillaban con la misma intensidad lumínica.
A diferencia del experimento de Holmberg, muy dirigido y en el que la
luz oficiaba como un indicador de la gravedad, Sandage recibía y medía
aquella procedente de galaxias reales, por lo que no tenía forma de verificar
si éstas brillaban verdaderamente con una intensidad uniforme. De hecho,
debido al tiempo que la luz invierte en recorrer tamañas distancias, las
galaxias remotas se observan con un retardo temporal considerable, por lo
que eran más jóvenes en el momento de emitir esa luz. El mapeo de
Sandage sólo tenía sentido, por tanto, si las galaxias jóvenes y las antiguas
generaban una cantidad de luz comparable. Él no creía que eso pudiera estar
en tela de juicio, así que confiaba en la precisión de su cálculo del ritmo de
expansión del universo, del que extrapoló que este proceso «cesará en unos
tres mil millones de años, tras lo cual, el universo comenzará a
contraerse»[117]. El cosmos, según sus cálculos, llegaría a su fin dentro de
siete mil millones de años con una colisión cataclísmica de todas las
galaxias, estrellas y planetas.
Sandage estaba seguro de que para confirmar sus conclusiones sólo
necesitaba unos cuantos telescopios gigantes más, pero en ese momento el
dinero de los presupuestos científicos se estaba yendo todo al programa de
misiones espaciales. «Estamos a punto de reescribir el libro del Génesis
—⁠declaró al Wall Street Journal en 1967⁠— y eso, filosóficamente, es más
importante que poner a un hombre en la Luna»[118].
Mientras Sandage planteaba su argumento en términos bíblicos, Tinsley
se dedicaba a minar la asunción de este sobre el brillo constante de las
galaxias con una prosa elocuente y minuciosa. En una carta a su padre, la
joven investigadora penetraba en el corazón del error de Sandage: «los
cálculos también dependen de cómo eran esas galaxias en el momento en
que emitieron la luz que llega ahora a los telescopios, y no hay razón para
asumir que fueran iguales a los objetos más cercanos»[119]. Si las galaxias
pasadas no brillaban de la misma forma que las actuales, las predicciones de
Sandage sobre el origen y el final de la creación eran sencillamente
erróneas.
Tinsley apuntalaba su argumento usando simulaciones que había
diseñado, programado y analizado ella misma. Como todas, partían de una
serie de condiciones iniciales —⁠en este caso, relativas al gas, la materia
prima con la cual se forman las estrellas⁠— y luego daba instrucciones al
ordenador para que ejecutara saltos temporales, registrando los cambios en
la galaxia. A diferencia de Holmberg con sus simulaciones de galaxias
fusionándose, Tinsley no estaba tan interesada en cómo se mueven las
estrellas, sino en cómo nacen, evolucionan y mueren. Las estrellas de
Holmberg eran bombillas que emitían una luz constante; las de Tinsley, por
el contrario, tenían un ciclo vital, como todo en el mundo real. Incluso
expulsaban desechos nucleares, tal y como hacen las estrellas de verdad,
agregando una nueva variedad de elementos (como carbono, oxígeno y
hierro) al hidrógeno y al helio procedentes del prístino universo primitivo.
Todas las estrellas empiezan siendo una nube de gas que flota a la
deriva dentro de una galaxia. La nube va siendo modelada por la delicada
interacción entre las fuerzas de la gravedad y la presión, que empujan hacia
dentro y hacia fuera respectivamente. Cuando la gravedad logra conformar
una bola compacta, se producen las reacciones nucleares que convierten el
gas inerte en una estrella brillante. Después, la estrella entra en su fase
adulta, si bien todavía cambiará de color y brillo a lo largo del tiempo.
Entonces, una vez agotado su combustible nuclear, morirá con una
espectacular explosión. Las estrellas más brillantes viven sólo unos pocos
millones de años, apenas un pestañeo en la escala de la historia cósmica.
Con inteligencia, Tinsley no pretendió captar nada de esto directamente
con su simulación. En lugar de intentar elaborar un detallado cálculo de
cómo se forman las estrellas a partir de nubes individuales, dio
instrucciones al ordenador para que, promediando a partir de una galaxia
entera, el gas fuera conformando estrellas a una velocidad lenta pero
constante, que podía especificarse y ajustarse manualmente. La forma en
que brilla, envejece y muere cada una de ellas la improvisó a partir de
cálculos existentes, hechos con papel y lápiz; de modo que el ordenador
sólo necesitaba sumar el efecto individual de todas las estrellas que se
habían formado a lo largo de la historia de cada galaxia.
A pesar de su simplicidad, las simulaciones eran lo suficientemente
potentes como para demostrar que Sandage se equivocaba: por más que
Tinsley probaba variaciones, no había manera de producir galaxias que
mantuvieran un brillo constante a lo largo de toda su vida. Eso hubiera
requerido que las estrellas se formaran exactamente al ritmo justo para
reemplazar a las que estaban muriendo, lo que, incluso en caso de ser cierto,
hubiera implicado que fueran de un color diferente a las que se podían
observar con el telescopio. Tinsley escribió en su tesis de 1967 que
comprender el origen y el destino final del universo «parece ahora más
difícil de lo que se pensaba, debido a los efectos de la evolución galáctica»,
refiriéndose a los cambios inevitables que ella había logrado simular.
El golpe maestro del trabajo de Tinsley era su constatación de que las
simulaciones no proporcionan una respuesta definitiva sobre cómo se
forman las galaxias y cómo evolucionan a lo largo del tiempo; y que
tampoco importaba. No le interesaba obtener un resultado correcto y único,
ya que, dadas todas las complejidades implicadas, era evidente que eso era
imposible. En lugar de eso, lo que hizo fue probar que la hipótesis de
Sandage sobre la invariabilidad de las galaxias era insostenible. Una
simulación no tiene por qué ser una reproducción exacta para transformar
nuestras ideas sobre el universo.
Algunos amigos de Sandage afirman que el astrónomo se sintió
profundamente herido. Desde su perspectiva, era injusto que una
advenediza estuviera intentando destruir su programa de trabajo[120].
Sandage trató de restar valor a los resultados de Tinsley argumentando que
las galaxias reales eran incompatibles con las simulaciones elaboradas por
ella. De hecho, en una conferencia pronunciada en Oxford en 1967 dijo que
las afirmaciones de la astrónoma eran «espurias»[121]. Pero ella sabía que
estaba en lo cierto y respondió con un detallado ensayo técnico donde
comparaba los resultados de Sandage con los suyos y demostraba que éste
había cometido un error matemático: «Los datos con que contamos no
permiten descartar una tasa significativa de evolución galáctica»[122].
Sandage se limitó a admitir que «todavía no se ha alcanzado […] un
acuerdo» y siguió expresando sus dudas sobre las simulaciones y análisis de
Tinsley[123]. A pesar de ello, el trabajo de la joven astrónoma alcanzó una
relevancia mundial. Aunque falleció en 1981, a los cuarenta años, a causa
de un melanoma, Tinsley publicó más de un centenar de artículos
académicos en los que siguió desarrollando sus tesis y definió el futuro del
estudio de la formación de galaxias para las generaciones venideras. Gran
parte del trabajo que realizó hacia el final de su vida giró en torno a una
pregunta fundamental que todavía proyecta su sombra sobre las
simulaciones contemporáneas: ¿a qué velocidad se forman las estrellas a
partir de las nubes de gas?
Sin responder a esta cuestión, no podemos saber con exactitud con qué
intensidad tiene que brillar cada parte de un universo simulado ni cómo
debe variar esa intensidad a lo largo del tiempo. Como ilustraba la crítica de
Tinsley sobre el trabajo de Sandage, las asunciones erróneas sobre el brillo
de las galaxias pueden llevar a su vez a los físicos a realizar inferencias
erróneas sobre el universo en su conjunto. En la actualidad, el ritmo al que
se forman las estrellas sigue siendo una gran fuente de incertidumbre dentro
de la cosmología, sobre todo cuando tratamos de comprender el intrincado
vínculo que existe entre las galaxias visibles debido a la materia oscura.
GALAXIAS Y MATERIA OSCURA

Las décadas de 1980 y 1990 fueron un periodo de cambios muy rápidos en

el campo de la cosmología, en parte también por la emergencia de la noción
de materia oscura fría como una explicación convincente para la
configuración de la red cósmica. Pero no olvidemos que el punto de partida
de dicha noción no había sido la estructura del universo, sino la necesidad
de explicar algunas anomalías observadas en él, como la rotación
sorprendentemente rápida de las galaxias. Las pruebas observacionales
habían motivado incluso la acuñación de un nuevo término para designar la
materia invisible que, se suponía, rodeaba una galaxia: el «halo oscuro».
Aunque parezca un oxímoron, el nombre describe con precisión lo que los
astrónomos creen que rodea cada galaxia. Tal vez nunca llegue a suceder,
pero, si en algún momento una tecnología futura nos permite ver la materia
oscura directamente, es posible que lo que veamos sea una especie de difusa
neblina auroral extendiéndose hasta ocupar unas diez veces el tamaño de la
galaxia visible.
Hasta que eso ocurra, lo más cerca que podemos estar de ver un halo de
materia oscura es a través de la curvatura de la luz producida por efecto de
la gravedad, el fenómeno conocido como «lente gravitatoria». La luz que
viaja desde lugares remotos del universo se distorsiona apenas un poco
debido a la influencia gravitatoria de un halo oscuro. Se trata de algo muy
diferente a ver un halo oscuro directamente, pero las mediciones de este
efecto son por lo menos coherentes con la presencia de una gran nebulosa
de materia[124].
Las primeras simulaciones informáticas serias de la materia oscura se
concentraron en la red cósmica, que es muchísimo más grande que una
galaxia individual. A medida que aumentó la potencia de los ordenadores,
sin embargo, las simulaciones comenzaron a mostrar condensaciones de
materia oscura a escala galáctica dentro de la telaraña cósmica. Cabe
mencionar que también revelaron estructuras de la escala y la masa que
desempeñarían la función de los muy buscados halos oscuros. En los
modelos informáticos, los halos se formaban allí donde el universo
temprano era más denso y después crecían despacio, atrayendo
gravitatoriamente más materia de la incipiente red cósmica. A menudo, los
halos se fundían entre sí, haciéndose cada vez más grandes mediante un
proceso de fusión constante.
Era fácil especular con que también el gas era arrastrado por la poderosa
fuerza de atracción de la materia oscura y se iba acumulando hasta alcanzar
la densidad necesaria para formar estrellas. Las fusiones de galaxias, que es
sabido que ocurren en todo el universo, vendrían motivadas por la unión de
sus respectivos halos. La teoría de la materia oscura estaba cerrando el
círculo: había sido creada a partir de la observación del comportamiento de
las galaxias, había predicho la existencia de las vastas estructuras cósmicas
en las que éstas se organizaban y, ahora, estaba comenzando a explicar
cómo se originaban las galaxias y cómo evolucionaban a lo largo del
tiempo[125].
Con todo, había que contener el entusiasmo. En realidad, estas
simulaciones no decían nada sobre las galaxias visibles, sólo acerca de los
halos oscuros que supuestamente las rodeaban. No incluían ni estrellas ni
gas en sus programas, por lo que toda comparación con el universo real
estaba basada en suposiciones y especulaciones. Así las cosas, Simon White
y Carlos Frenk (dos de los miembros de la banda de los cuatro) decidieron
ponerse manos a la obra para atajar el problema. La tarea resultaba
irresistible porque, tal como White explicó en una conferencia en 1981,
«nuestras ideas acerca de cómo se forman las galaxias son todavía muy
inciertas […] no está claro si seríamos capaces de reconocer una galaxia en
formación si la viéramos»[126]? Averiguar si aquellas visibles seguían o no
el mismo patrón de fusión y crecimiento que sus halos oscuros dependía de
cómo respondiera exactamente el gas a la gravedad de la materia oscura, lo
que a su vez permitiría determinar con precisión en qué momento de la
historia cósmica y dónde se formaron las estrellas.
Este problema es el mismo que estudió Tinsley, si bien White y Frenk
tuvieron que inventarse más reglas porque la materia oscura había suscitado
interrogantes completamente nuevos. ¿A qué velocidad se vierte el gas en
un halo de materia oscura después de que se haya formado? ¿Cuánto tiene
que comprimirse ese gas hasta que pueda empezar a formar estrellas? Si dos
halos se fusionan, ¿cuánto tiempo tardan en fusionarse también las galaxias
que contienen? Abordar al mismo tiempo la materia oscura y la formación
de galaxias era un desafío de primera magnitud y, en una publicación
académica de 1990, el dúo comentó que «para elaborar una receta plausible
de la formación de galaxias hace falta un número desalentador de
ingredientes»[127].
Pero dar con la receta empezaba a ser urgente, porque se acababa de
lanzar el telescopio espacial Hubble, capaz de escudriñar el universo como
no había sido posible hasta entonces. Liberado de los efectos
distorsionantes de la atmósfera terrestre, el nuevo observatorio podía
recoger luz que había viajado desde casi los albores del universo y podía,
por lo tanto, proporcionar una instantánea de cómo se habían ensamblado
las galaxias. Era algo sobre lo que los teóricos sabían poco, ya que habían
centrado sus esfuerzos en estudiar el desarrollo de los halos invisibles de la
materia oscura. Para salvar esta laguna, las simulaciones tenían que
empezar a hacer predicciones claras sobre las partes visibles de las galaxias.
Hoy en día, casi todos los astrónomos aceptan la existencia de la
materia oscura, por lo que en retrospectiva resulta difícil calibrar todo lo
que estaba en juego entonces. Las pruebas que la red cósmica ofrecía de la
presencia de materia oscura fría sólo resultaban convincentes a algunos
cosmólogos y físicos de partículas especializados; los astrónomos más
generalistas estaban más interesados en averiguar si el nuevo paradigma
podía explicar algo o no sobre las propias galaxias[128]. Si las simulaciones
no daban buenos resultados en ese sentido, la cosmología de la materia
oscura corría el riesgo de quedarse marginada[129].

EL CAMPO PROFUNDO DEL HUBBLE

En la Navidad de 1995, el telescopio espacial Hubble estuvo apuntando

durante diez días a una pequeña porción del cielo que medía poco menos de
una décima parte del diámetro de la Luna. La zona no contenía, que se
supiera, nada de particular interés, lo cual resultaba muy polémico teniendo
en cuenta la duración de la exposición: durante el año anterior, los
astrónomos del Space Telescope Science Institute habían desarrollado un
plan sorprendente para apuntar el Hubble hacia ningún lugar en particular.
Sin embargo, la cuestión era que, al apuntar durante tanto tiempo en la
misma dirección, el telescopio podía incrementar su sensibilidad y detectar
objetos hasta entonces desconocidos.
La tenue luz que nos llega de galaxias distantes lo hace sin prisa pero
sin pausa, como si fuera la arena que cae en el interior de un reloj de arena.
Aun así, y al igual que ésta acabará llenando la cámara inferior del reloj sin
importar lo lento que caiga, hasta la luz más tenue puede reconstruirse en
una imagen nítida si un telescopio la captura durante el tiempo suficiente.
Cuando la que tomó el Hubble durante diez días fue transmitida a la Tierra,
estaba repleta de galaxias.
El resultado es la imagen conocida con el nombre de «campo profundo
del Hubble». Imagina un lienzo negro salpicado con motas brillantes y, por
si fuera poco, aderezado en la parte superior con unos cuantos remolinos. A
primera vista, las motas podrían parecer estrellas, pero lo cierto es que cada
una de ellas corresponde a una galaxia distante. Yo vi la imagen en
televisión cuando tenía doce años y no me podía creer que hubiera tantas
cosas flotando ahí afuera… Todas aquellas galaxias, miles de ellas,
apretujadas en aquel pequeño trozo de cielo. Si se repitiera el mismo
ejercicio cubriendo todo el firmamento, la imagen contendría un número de
galaxias veintiséis millones de veces mayor. Sin embargo, para los
astrónomos, los motivos de asombro eran otros. Tal y como lo expresó el
británico Richard Ellis, lo que más llamaba la atención de la imagen
capturada por el Hubble era «la gran cantidad de cielo vacío que
contenía»[130]. En septiembre de 1995, el equipo del Space Telescope
Science Institute había publicado un boletín informativo anunciando lo que
esperaban encontrar, y la imagen bosquejada que incluía estaba llena de
galaxias grandes y brillantes. En comparación, las que descubrió el
telescopio eran relativamente pequeñas[131].
Por un lado, el resultado suponía un éxito para el campo de las
simulaciones con materia oscura fría, pues quedaba claro que los halos que
rodeaban las galaxias se fusionaban y aumentaban de tamaño a lo largo del
tiempo. Así, asumiendo que éstas también crecen y se funden, se puede
concluir que en un pasado remoto esas galaxias eran más pequeñas y tenues
de lo que son ahora. Teniendo en cuenta el papel rector de la materia fría
oscura en la estructuración del universo, los astrónomos tendrían que haber
esperado que el telescopio más potente del mundo descubriera grandes
regiones de cielo vacías al remontarse trece mil millones de años luz en su
observación.
Al tratarse de expectativas todavía algo vagas, sin embargo, nadie las
había considerado seriamente. Una cosa es decir que en el pasado las
galaxias eran más pequeñas y tenues y otra aportar datos concretos y
establecer predicciones firmes sobre lo que captará un telescopio. Y estas
últimas no existían porque las simulaciones tenían que lidiar con muchos
factores desconocidos.
Entre esos factores, había uno especialmente peliagudo: la rapidez con
la que se forman las estrellas a partir del gas; el mismo dilema que Tinsley
tampoco había podido resolver con sus simulaciones décadas atrás. En el
universo no hay escasez de gas, por lo que si la gravedad campara a sus
anchas, llenaría rápidamente de estrellas los halos de materia oscura. Hasta
los más pequeños albergarían galaxias brillantes y, en consecuencia, el
campo profundo del Hubble estaría repleto de luz y las galaxias actuales
serían todavía más brillantes. A mediados de los años setenta, mucho antes
de que el Hubble consiguiera la impactante imagen, un estrecho
colaborador de Tinsley, Richard Larson, se mostró intrigado por el hecho de
que la Vía Láctea no estuviera atestada de estrellas. A su juicio, aquello
podía indicar la existencia, en el universo en su conjunto, de algún sistema
que regulara en todo momento la formación de estrellas. Sólo se le podía
ocurrir un mecanismo cuya acción fuera ubicua: lo que conocemos como
«retroalimentación estelar», un elemento crucial en las simulaciones
actuales[132].
La retroalimentación estelar es un proceso por el que un pequeño
número de estrellas pueden impedir que se formen otras nuevas, mediante
un bucle de destrucción. Muchas estrellas concluyen su ciclo de vida con
una espectacular explosión, conocida como supernova (en la Vía Láctea se
produce alrededor de una al año, por ejemplo). Larson señaló que uno de
los efectos colaterales de esas explosiones es expulsar gas de la galaxia,
eliminando de ese modo materiales a partir de los cuales podrían formarse
nuevas estrellas. Para ilustrarlo, pensemos en el mecanismo de la cisterna
del retrete, mediante el cual el nivel ascendente de agua empuja una válvula
que corta el flujo de la misma, de modo que esta deja de correr cuando el
depósito se llena. De manera similar, cuando en una galaxia ya hay
suficientes estrellas, resulta muy difícil que puedan formarse más.
El de autorregulación es un concepto potente, pero no revela por sí
mismo el ritmo exacto al que se forman las estrellas. El efecto preciso de la
retroalimentación estelar depende no sólo de la cantidad total de gas
disponible, sino también de dónde se encuentra este localizado y cómo se
mueve. En algunas circunstancias, de hecho, el argumento podría invertirse:
si suceden en el momento y en el lugar adecuados, las supernovas pueden
aglutinar nubes dispersas de gas, comprimiéndolas en esferas que colapsan,
y, por tanto, promover en último término la formación de nuevas estrellas.
Pero sin una simulación capaz de capturar esta clase de detalles, es muy
difícil cuantificar los efectos de la retroalimentación.
Ésa es la razón por la que no existían predicciones firmes sobre lo que
el Hubble registraría respecto de la materia oscura fría. A principios de los
años noventa, varios grupos de trabajo habían desarrollado simulaciones
que hibridaban el enfoque de Tinsley con el nuevo concepto de halo oscuro
para abordar la acumulación de gas y de estrellas en las galaxias, que están
en constante crecimiento. Sin embargo, estas simulaciones, en las que cada
galaxia estaba representada por apenas un puñado de números, carecían del
nivel de detalle necesario para predecir los efectos de la retroalimentación
estelar de manera fiable. Eso no quiere decir que los modelos fueran
incompatibles con los hallazgos del Hubble. De hecho, en cuanto llegaron
los datos, las simulaciones estaban preparadas para interpretarlos
retrospectivamente, pues, al igual que los meteorólogos adaptan los
parámetros de la subcuadrícula de nubes hasta que las predicciones son
correctas, los astrónomos pueden adaptar la subcuadrícula de la
retroalimentación estelar hasta que las cifras de las galaxias antiguas
encajen con la realidad. Hacia finales de los años noventa, varios de esos
grupos habían logrado éxitos notables en sus pesquisas y corroborado que
lo que impedía que el campo profundo del Hubble apareciera saturado de
galaxias tenía que ser, en efecto, un potente mecanismo autorregulador de
retroalimentación[133].
Con todo, y aunque los resultados tenían sentido, estaban lejos de ser
completamente satisfactorios. Lo que debería haber sido una predicción
había acabado siendo una especie de trampeo retrospectivo. De manera
comprensible, los astrónomos no estaban muy seguros de hasta qué punto
podían tomarse en serio las explicaciones que daban las simulaciones sobre
lo poco poblado que aparecía el campo profundo del Hubble. Richard Ellis
afirmó por aquel entonces que «se ha prestado mucha atención
recientemente al supuesto triunfo teórico consistente en explicar [el
resultado; …] pero creo que tenemos que poner la imagen en
perspectiva»[134], advirtiendo también de que juguetear con los datos de
retroalimentación hasta que los resultados encajasen podía ayudar a obtener
un número correcto de galaxias, pero por las razones equivocadas. Sus
cautelas estaban justificadas, pues los retos y dilemas que planteaba la
materia oscura fría iban a tornarse todavía mayores.

CUADRÍCULAS Y PARTÍCULAS VIRTUALES

Cuando Tinsley se planteó simular la formación de galaxias, era consciente

de que se trataba de un proyecto extremadamente ambicioso. Pero el
problema era demasiado importante para ignorarlo y la dificultad era parte
del atractivo. En uno de sus últimos artículos publicados, de hecho, le daba
a su empresa un punto de vista positivo: «básicamente, todos los aspectos
de la cuestión requieren más estudios teóricos y observacionales, por lo que
el estudio de la evolución galáctica será durante mucho tiempo un campo
fértil para la investigación»[135].
A comienzos del nuevo siglo, la mayoría de las simulaciones galácticas
todavía se ajustaba al modelo desarrollado por Tinsley: una galaxia
informatizada consistía en un puñado de cifras que resumían cuánto gas
había y a qué temperatura, y cuántas estrellas y de qué edad. La materia
oscura se había añadido también a la receta, pero su principal cometido era
determinar si las galaxias se reabastecen con más gas o si se fusionaban con
sus vecinas, lo que no modificaba en esencia el método. La propuesta
original de Tinsley se mantuvo y las simulaciones usaban una serie de
reglas especulativas para inferir cómo se transformaban las galaxias a lo
largo del tiempo.
En realidad, las galaxias no pueden describirse con un puñado de
números. Es como si habláramos de una tormenta sólo en términos de la
velocidad del viento y de la cantidad de lluvia caída; esto puede constituir
un resumen útil, pero desde luego no basta para pronosticarse
acertadamente cuál será la evolución del temporal. De modo similar, no hay
razón para que el comportamiento de las galaxias pueda predecirse sin tener
en cuenta detalles sustanciales sobre cómo se arremolinan juntos el gas y
las estrellas. Esto se entiende mucho mejor a la luz de la teoría de la
retroalimentación formulada por Larson y su intuición de que el ritmo al
que se forman nuevas estrellas viene determinado por la destrucción de las
ya existentes. Sin conocer la localización precisa de las estrellas y del gas
dentro de una galaxia, se puede atribuir a la retroalimentación estelar
cualquier efecto concebible, lo que para la comunidad científica arrojaba
dudas sobre los resultados aparentemente exitosos de las simulaciones.
Para lograr una mejor comprensión de la retro alimentación, había que
rastrear la evolución del gas a medida que se desplaza por el universo, igual
que los meteorólogos rastrean los movimientos del aire y de la humedad en
la atmósfera. Una forma de incluir el gas en la simulación consiste en
dividir el universo en cubos mediante una vasta cuadrícula, del tipo de las
que usaba Richardson. El gas que atraviesa cada cubo puede entonces
someterse a las tres reglas de la dinámica de fluidos: conservación, fuerza y
energía. Pero los cosmólogos se dieron cuenta pronto de que ese método no
iba a arrojar mucha luz sobre el comportamiento del gas dentro de las
galaxias[136]. El problema estriba en que una cuadrícula divide el espacio en
secciones del mismo tamaño. Eso funciona muy bien en el caso de las
simulaciones meteorológicas, ya que todas las partes de la atmósfera tienen
la misma relevancia, pero cuando se aplica al universo, gran parte de la
cuadrícula supone un desperdicio, porque hasta una galaxia es
absurdamente pequeña comparada con el resto del universo.
 Imagina un mapa de unas pocas ciudades repartidas por un gran
desierto. Los viajeros no entenderán que el cartógrafo dedique el mismo
espacio al desierto que a las ciudades, ya que el primero ocuparía la mayor
parte del papel, mientras que las segundas aparecerían muy pequeñas y, en
consecuencia, carentes de detalles. Del mismo modo, las simulaciones del
universo basadas en cuadrículas malgastan gran parte de su potencial en
describir vastos páramos, sin dejar margen para representar detalles vitales
de las galaxias.
Este problema no afecta, sin embargo, a la materia oscura, que se rastrea
usando partículas v; esto es, pedazos de materia que pueden desplazarse por
un espacio simulado sin la necesidad de una cuadrícula. Allí donde no hay
materia oscura no hay partículas v, de modo que el ordenador no pierde
tiempo haciendo cálculos sobre los espacios vacíos. Para incorporar el gas
se puede emplear también una estrategia de eficacia parecida. En lugar de
usar una cuadrícula rígida, el gas puede aglutinarse en nuevos tipos de
partículas v, un poco como las de materia oscura, pero sensibles a la presión
además de a la fuerza de la gravedad. Eso conlleva tomar las mismas
ecuaciones de Navier-Stokes que sustentan las simulaciones meteorológicas
y adaptarlas para dictaminar cómo se mueven estas nuevas partículas
virtuales de gas.
La primera ecuación es la que atañe a la conservación y es bastante
sencillo cumplirla: usando un número fijo de partículas v, cada una de ellas
con una masa fija también, la simulación puede garantizar que nada
aparezca o desaparezca. La ecuación que atañe a la fuerza es más difícil de
aplicar, pero no imposible: el ordenador rastrea el entorno de cada partícula
virtual para hallar la presión en juego y la atracción gravitatoria de sus
vecinas. La tercera ecuación es la que describe la energía y exige hacer un
seguimiento del calor que transporta cada partícula virtual y ajustar en
consecuencia la presión que ejerce sobre las partículas circundantes.
Aplicadas juntas, estas reglas originan la misma clase de complejos
remolinos que ya vimos antes al hablar de las predicciones meteorológicas,
con la diferencia de que los desplazamientos se expresan ahora mediante
partículas v en movimiento y no mediante una cuadrícula. Uno de los
pioneros de este nuevo método, Joe Monaghan, lo bautizó como
«hidrodinámica suavizada de partículas»[137]. Él no estaba tan interesado en
las galaxias en su conjunto como en el interior de las estrellas y los planetas
individuales. Usó la nueva técnica en las simulaciones y demostró que era
flexible y fiable cuando se aplicaba al estudio de la estructura de estrellas y
planetas, a la formación de la Luna o al modo en que los agujeros negros
absorben material de su entorno (un tema que volveré a tratar en el capítulo
4).[138] Aunque se trataba de análisis de fenómenos relativamente pequeños,
la técnica tenía validez universal: podía ayudar a concentrar la potencia del
ordenador allí donde fuera necesario con independencia del modelo.
Las amplias posibilidades de la técnica llamaron por fin la atención de
los cosmólogos a finales de los ochenta, una época en que Monaghan la
estaba empleando para modelar erupciones volcánicas y tsunamis y estudiar
la posible influencia de estos fenómenos en la desaparición de la
civilización minoica[139]. Desde entonces, el método también ha sido
empleado con éxito en oceanografía, biología, medicina, geofísica, en
efectos especiales premiados con un Oscar e incluso en videojuegos. Una
vez los cosmólogos captaron su potencial, y teniendo en cuenta el rápido
incremento de la capacidad de los ordenadores a principios de los años
noventa, parecía que no existieran barreras para configurar galaxias
simuladas como las reales. En lugar de por un puñado de números
abstractos, las nuevas galaxias estarían compuestas de gas y de estrellas
tangibles arremolinándose.
Estas potentes técnicas ya se estaban probando antes de las revelaciones
del Hubble de 1995, pero los resultados iniciales fueron desastrosos, y
puede que contribuyeran al escepticismo de los astrónomos[140]. En lugar de
galaxias como las que conocemos, con una variedad de formas y tamaños,
las simulaciones produjeron agrupaciones de estrellas apretujadas hasta la
saturación[141]. Y, en comparación con las del universo real, las galaxias
individuales eran demasiado brillantes y densas. Para empeorar las cosas,
las simulaciones predijeron que una galaxia como la Vía Láctea tendría que
estar rodeada de cientos de galaxias más pequeñas y brillantes, los
remanentes de una larga historia de fusiones[142]. Pero estas galaxias
satélite, como se las conoce, son en realidad mucho más raras; sólo se ha
observado una decena de ellas.
 A principios de los años dos mil, cuando yo era un estudiante
universitario, había una especie de cisma en la comunidad científica. La
hipótesis de la materia oscura fría había demostrado su valía, y muchos
cosmólogos creían que se iba por el buen camino —⁠de hecho, constituía
una parte central del temario de mis clases⁠—, pero un significativo número
de investigadores tenían la creciente inquietud de que algo no cuadraba. Se
publicaron decenas de artículos académicos con ominosas advertencias que
cuestionaban la solidez de los fundamentos de la cosmología. En principio,
las nuevas simulaciones tendrían que haber generado confianza, pero lo
cierto es que los artículos hablaban de una «crisis cósmica» refiriéndose a
que los problemas de escala galáctica seguían amontonándose sin cesar[143].
Un experto en galaxias declaró a la revista New Scientist que los partidarios
del universo oscuro se estaban «poniendo muy fantasiosos» y que había
llegado la hora de desechar todos los fundamentos de la cosmología y
empezar de nuevo[144].

LA SUBCUADRÍCULA INELUDIBLE

No todo el mundo fue arrastrado por esa sensación de crisis, sin embargo.
Durante una conferencia de 2005, mi futuro colaborador Fabio Governato
mostró la imagen de una galaxia obtenida con una de sus simulaciones y
declaró que todo estaba en orden[145]. Producir este tipo de imágenes
implica calcular cómo generarán luz las estrellas y rastrear su origen más
allá de las nubes de gas y polvo en busca de cualquier efecto de sombreado,
y averiguar así cómo se vería la galaxia a través de un hipotético telescopio
distante dentro del universo virtual. Este esfuerzo extra merece la pena
porque permite hacer una comparación visual inmediata con la realidad.
Governato era optimista respecto a las tesis de la materia oscura fría y
su capacidad para explicar el comportamiento de las galaxias, así que usó el
resultado de sus simulaciones para mostrarlo. Recuerdo ver, durante su
ponencia, un disco de estrellas y gas arremolinándose en torno a un mismo
centro. En la imagen tenían la luminosidad adecuada y el número de
pequeñas galaxias satélite que orbitaban a su alrededor parecía ser el
correcto también. El perfeccionamiento, explicó Governato, se debía a las
mejoras constantes en la resolución, unidas a un nuevo tratamiento de la
retroalimentación estelar que explicaré enseguida. A pesar de ello, en aquel
momento aquello no me impresionó mucho: el disco se veía borroso, se
parecía vagamente a una galaxia, pero distaba mucho de esas obras
maestras en espiral que los astrónomos solían fotografiar. La galaxia
simulada estaba como hinchada, a diferencia de muchas galaxias reales, que
son tan planas que observadas lateralmente son apenas un hilo luminoso,
fino como el filo de una navaja.
El cáterin de ese día en el congreso resultó ser pizza al estilo
estadounidense, y yo le pregunté a Governato, un orgulloso italiano, si sus
monstruosas simulaciones no tenían la masa demasiado gorda, en lugar de
la delicada masa fina que se les suponía. Con un deje de irritación, me
respondió que otras simulaciones no llegaban ni a bolas de masa.
Conectamos enseguida.
Ese año, varias simulaciones, incluyendo las de Governato, empezaron
a producir resultados más próximos a lo observado en la realidad. Lo
borroso de la imagen que me había llamado la atención resultó ser algo
previsible: los superordenadores no eran lo suficientemente potentes
todavía para reproducir el nivel de detalle y nitidez de una fotografía del
espacio real. Así pues, había que considerar el paso de las bolas de masa a
las pizzas de masa gorda como un éxito. Además, en ellas no había sido
necesario modificar o descartar la materia oscura, como algunos
reclamaban. En lugar de ello, la clave tenía que ver con la
retroalimentación, con el efecto de depositar en el gas la energía procedente
del calor de las estrellas y la luz.
Al principio, tratar de incluir la retroalimentación estelar en las
simulaciones de hidrodinámica suavizada de partículas había resultado
infructuoso. Ya en 1992 habían comenzado a incluirse en los programas
grandes cantidades de energía estelar, pero esto había tenido poco impacto
en las galaxias resultantes[146], lo que supuso una decepción que entonces
nadie tuvo muy claro cómo había que interpretar. Una de las razones
principales para desarrollar aquel enfoque a partir de partículas virtuales
había sido tratar de recrear correctamente la retroalimentación. Al
combinarse con las leyes de la dinámica de fluidos, se esperaba que la
energía simulada ralentizara la formación de estrellas y reconfigurara la
galaxia. Pero si esa energía no tenía mucho efecto, tal vez las expectativas
hubieran pecado de excesivo optimismo.
A principios de los años dos mil, un número creciente de expertos en
simulaciones —⁠entre los que estaba Governato⁠— empezó a considerar que,
si bien la retroalimentación seguía siendo importante, había que revisar los
parámetros de la energía en las simulaciones[147]. En lugar de depositar la
energía y de usar las leyes de fluidos para calcular las consecuencias,
decidieron introducir reglas de subcuadrícula para maximizar el efecto de la
energía. De primeras, lo de cambiar el código de la simulación sólo porque
los resultados eran inaceptables suena un poco loco, o no muy científico al
menos; pero, aunque había algo de eso en la decisión, al mismo tiempo se
había ido haciendo evidente que ninguna simulación sería capaz de capturar
correctamente y con el detalle necesario la interacción entre las estrellas y
el gas.
Las estrellas son un billón de veces más pequeñas que las galaxias que
las contienen, por lo que, en realidad, su calor está extraordinariamente
concentrado. En las simulaciones de los años noventa, los efectos
producidos por una estrella se propagaban a través de su partícula virtual de
gas más cercana, que, si bien es considerablemente más pequeña que una
galaxia, sigue siendo mucho más grande que una estrella individual o que
una supernova. La energía se estaba perdiendo en la simulación porque el
ordenador no era capaz de representar su intenso y localizado efecto. El
equipo de Governato, entre algunos otros, se había propuesto solucionar ese
problema. Basándose en cálculos aproximados del efecto del intenso
calentamiento, determinaron cómo debería comportarse la energía dentro de
cada partícula e implementaron las reglas de subcuadrícula
correspondientes[148]. Una vez incorporadas estas directrices, la
retroalimentación estelar empezó a contrarrestar la gravedad, dificultando
considerablemente la formación de nuevas estrellas, tal y como Larson
había predicho que sucedería[149].
 Ya en la época de las pioneras investigaciones de Tinsley y de Larson,
cuando las galaxias de las simulaciones consistían en un puñado de cifras,
se había hecho patente la necesidad de contar con reglas de subcuadrícula
ajustables. Ahora quedaba claro que incluso las sofisticadas simulaciones de
hidrodinámica suavizada de partículas precisaban de estas directrices
personalizadas, debido a la inevitable limitación de la resolución de los
ordenadores. Gracias a esta modificación, en 2005 Governato pudo mostrar
en una conferencia no sólo una imagen, sino un impactante vídeo de la
formación de su galaxia simulada. Como si se tratara de un puntero montaje
a cámara rápida, durante un par de minutos el público pudo asistir a miles
de millones de historia condensados y hacerse una idea de cuál es el
proceso de conformación de una galaxia.
Montar un vídeo así implica producir miles de imágenes y secuenciarlas
una detrás de otra para generar la impresión de movimiento. En la década
de 2020 eso es algo habitual para muchos profesionales de la simulación
informática, pero en aquel momento constituía una novedad impactante.
Las imágenes logradas son bonitas y ayudan al espectador a comprender lo
que nos muestran las simulaciones sobre la historia. Los vídeos suelen
comenzar con un universo oscuro en el que van emergiendo gradualmente
las líneas, todavía vagas, de una tenue red cósmica. A continuación,
empiezan a aparecer a lo largo de la red chispitas de luz, a medida que se
forman las primeras estrellas. Estos pequeños puntos luminosos van
creciendo en tamaño y brillo a medida que a esas estrellas iniciales se van
uniendo primero millones y luego miles de millones de ellas. Al
intensificarse la gravedad, las islas de luz son atraídas por sus vecinas y se
fusionan, conformando galaxias cada vez más grandes y más parecidas a las
que pueblan el universo en la actualidad.
Pero ¿es esto algo más que un cuento de hadas de la factoría Pixar? Que
las galaxias simuladas hoy en día tengan la apariencia correcta y que su
conformación pueda dramatizarse en vídeos visualmente atractivos no tiene
por qué implicar que las galaxias del universo real se formaran de esa
manera. El movimiento de las estrellas y del gas está determinado por leyes
físicas bien establecidas, pero eso no evita los problemas planteados por las
subcuadrículas y sus controvertidas normas. Si las simulaciones no se basan
sólo en leyes físicas consolidadas, ¿qué es lo que estos vídeos, obtenidos a
partir de sus resultados, pueden enseñarnos realmente en último término?

APRENDER DE LAS SIMULACIONES

En el fondo, la ciencia no trata de averiguar qué es lo correcto, sino de

formular explicaciones que puedan ser probadas. El que fue mi director de
tesis, Max Pettini, era ante todo un astrónomo observacional, pero había
seguido de cerca la evolución de las simulaciones y me animó a comparar la
historia que se mostraba en el vídeo de Governato con la realidad. Durante
el transcurso de una vida humana, el cielo permanece prácticamente
inalterado; el cosmos cambia a lo largo de millones o miles de millones de
años, de manera que no podemos observar en tiempo real cómo se
conforma una galaxia. Pero sí podemos, al menos, aprovechar la luz que
nos llega para escrutar el pasado y estudiar galaxias tal y como eran hace
mil, cinco mil o diez mil millones de años. Ése es el objetivo principal a la
hora de capturar el campo profundo del Hubble, que demostró en 1995 que
las galaxias no siempre han tenido la misma apariencia.
Las simulaciones sugieren que las galaxias regulares, como nuestra Vía
Láctea, se conformaron hace miles de millones de años a partir de galaxias
más pequeñas, esos diminutos puntos de luz que salpicaban la incipiente red
cósmica en sus inicios. El problema es que todos estos pequeños
fragmentos individuales son demasiado tenues para ser observados a través
de las enormes distancias que hay que cubrir para remontarse tan atrás en el
tiempo. Se asume que ésa es la razón por la que el campo profundo del
Hubble aparece tan vacío. Sólo las galaxias más grandes, aquellas que
alcanzan tamaños excepcionales, muy superiores al de la nuestra, pueden
observarse de veras y aun usando telescopios espaciales. Es difícil verificar
directamente la historia de la fusión de diminutas galaxias distantes; pero si
no lo hacemos, tampoco podemos verificar si las simulaciones están
contando qué sucedió en realidad.
 Pettini sabe a la perfección cómo salvar este dilema: usa los telescopios
no tanto para buscar las galaxias propiamente dichas, sino sus sombras. El
universo está salpicado de una especie de faros muy brillantes conocidos
como cuásares. Explicaré más sobre ellos en el siguiente capítulo, pero, por
ahora, lo que nos interesa es su formidable luminosidad. Dado que los rayos
que emiten son visibles en todo el universo, su luz ha atravesado todo el
espacio y el tiempo intermedios antes de llegar a nosotros. Si, en su largo
viaje, esta luz se topa con alguna galaxia diminuta, aunque esta contenga
muy pocas estrellas, el gas en su interior crea una sombra.
Afortunadamente, el gas no oscurece la luz por completo, sino que
bloquea tonos muy específicos según la composición química de la galaxia.
Cuando los astrónomos producen un espectro de la luz procedente de los
cuásares, por lo tanto, faltan ciertas pequeñas bandas de color, que reciben
el nombre de «líneas de absorción». El resultado es una suerte de tarjeta de
presentación que nos dice de manera inequívoca si la luz ha atravesado una
o más galaxias en su viaje a lo largo del universo, e incluso puede darnos
pistas de lo que hay dentro de ellas. El mensaje nos llega incluso aunque
esas antiguas galaxias sean muy tenues, pues basta con que brille el cuásar
que actúa como faro.
La investigación en la que me embarqué para mi doctorado consistía en
estudiar si esas huellas del ensamblaje galáctico estaban siendo predichas
correctamente por las simulaciones de Governato. Durante los primeros
meses, me divirtió trabajar con éstas, en parte tal vez porque me
permitieron acceder a ordenadores muy potentes. Empecé a crear un código
informático que predijera las líneas de absorción que tendrían que revelar
las galaxias simuladas, y luego éstas podrían compararse con las típicas
líneas observadas por los astrónomos.
Al mismo tiempo que aprendía cómo funcionaban las simulaciones en
la práctica, sin embargo, empecé a albergar cierto escepticismo. La materia
y la energía oscuras representaban ya bastantes problemas de por sí, aunque
para entonces había admitido a regañadientes que las pruebas de su
existencia eran bastante sólidas. A todo eso había que añadir la asunción de
que el gas del universo se puede representar virtualmente en forma de
partículas gigantes. Esto, al menos, se basa en las muy fiables leyes de la
dinámica de fluidos, si bien pasa por alto todos los detalles a pequeña escala
que el ordenador no puede ajustar. Y por último, estaba la subcuadrícula,
que se encarga de todo aquello con lo que la simulación no podría lidiar de
otra manera, proporcionando así un reemplazo imperfecto de todos los
parámetros que faltan y que luego se van ajustando hasta que las galaxias
virtuales se corresponden con las reales actuales. Sumado, todo esto me
parecía un poco precario y empecé a preguntarme si las simulaciones valían
realmente para algo.
Después de escribir miles de líneas de código y no obtener ningún
resultado útil, me harté y pedí que me cambiaran a un proyecto diferente.
Me pasé casi un año trabajando en otro sin apenas relación (sobre el que
volveré en el capítulo 6), pero terminé por darme cuenta de que era una
tontería desperdiciar todo el código que había escrito, así que retomé las
simulaciones. En ese punto, mi escepticismo era tal que esperaba que los
resultados mostraran una desastrosa disparidad respecto de la realidad. Me
había convencido a mí mismo de que las simulaciones eran un timo.
Para mi asombro, sin embargo, las imágenes resultaron adecuarse a la
realidad. Es más, también explicaron algo que llevaba tiempo preocupando
a los astrónomos: las observaciones de sombras muy distantes y antiguas
mostraban pocos indicios de la presencia de elementos pesados. La
concentración de carbono, oxígeno, hierro y silicio era treinta veces menor
que la existente en la Vía Láctea. La ausencia de estos átomos tan cruciales
se reflejaba también en las simulaciones y podíamos explicar por qué: esos
elementos se fabrican en las estrellas, de las cuales sólo unas pocas se
habían formado en las sombrías y diminutas galaxias del cosmos temprano.
Y sólo más tarde se acumularon en cantidad suficiente dentro de las
galaxias en proceso de fusión, posibilitando que surgieran planetas como el
nuestro.
Todavía hoy me siento perplejo al ver que todo esto funciona y tiene
sentido. La observación de Richard Ellis, realizada en 1998, de que las
reglas de retroalimentación de la simulación podían ajustarse para adaptarse
a las observaciones era correcta. Yo me la había tomado muy en serio, pero
hasta entonces nadie había jugueteado con ellas para poder reproducir
sombras que, al centrarse en los fragmentos más tenues y distantes de las
galaxias modernas, revelaban otra parte de la historia de la creación
galáctica. Las simulaciones podían, por lo tanto, realizar una predicción
genuina en ese terreno, una predicción que no sólo concordaba con la
realidad, sino que también la explicaba. El resultado era una impresionante
prueba de que, a pesar de todos sus fallos, las simulaciones son capaces de
tejer un relato de la historia del cosmos que se aproxima mucho a la
realidad.
Daré otro ejemplo de cómo las simulaciones me han sorprendido más de
una vez en mi carrera como investigador. Sabemos que a medida que se
incrementa la potencia de los ordenadores, aumenta la resolución de las
simulaciones, lo cual ofrece la posibilidad de añadir detalles a pequeña
escala que permiten obtener recreaciones más realistas. Así las cosas, en
2010 estaba visitando a Governato en Seattle cuando me mostró algunos
vídeos de las últimas simulaciones en las que había estado trabajando y en
las que la retroalimentación estelar había dado un giro inesperado. La
energía que supuestamente tenía que impedir que el gas formara nuevas
estrellas se había tornado violenta y estaba expulsándolo de las galaxias, a
miles de años luz. Aquello no se debía a cambios en las reglas de la
subcuadrícula, sino a que la creciente resolución de las simulaciones
permitía que la fuerza explosiva de la energía de las estrellas tuviera un
efecto todavía mayor.
La verdadera sorpresa, sin embargo, fue que, cuando este gas era
expulsado de las galaxias en el estallido, parecía arrastrar consigo materia
oscura. Desde la década de 1990, a los astrónomos les preocupaba que las
galaxias reales, especialmente las más pequeñas, parecían contener en su
centro menos materia oscura de lo que predecían las simulaciones. Ahora,
los nuevos resultados mostraban lo mismo; ya no existía la disparidad
respecto de la realidad, expuesta hasta entonces como un motivo para
recelar de la materia oscura. Y queríamos saber por qué.
No se había agregado nada nuevo a las simulaciones que pudiera alterar
el comportamiento de la materia oscura, por lo que aquello tenía que ser
una consecuencia imprevista de combinar una mayor resolución con las
leyes físicas existentes y los parámetros de la subcuadrícula. En el
transcurso de una semana, nos reunimos varias veces en algunas de las
cafeterías hípster favoritas de Governato y, al analizar en detalle las
simulaciones, nos dimos cuenta de que lo que sucedía en las galaxias
pequeñas no era que el gas se escapara, sino que primero era expulsado y
luego atraído de nuevo hacia el interior, y así una y otra vez. Con cada
ciclo, éste llevaba consigo un poco más de materia oscura, como si fuera
una cinta transportadora que cargara el material eficientemente excavado.
Publicamos un artículo formulando la hipótesis de que, en el universo real,
las galaxias pequeñas también repiten el ciclo por el que se forman las
estrellas, expulsando gas cada vez y luego permaneciendo inactivas
mientras el gas retorna[150]. Observaciones posteriores confirmaron nuestra
suposición[151]. Se trata de procesos acaecidos hace millones o miles de
millones de años, pero que fueron predichos por las simulaciones antes de
ser observados en la realidad.
Resultados como éstos son los que otorgan relevancia a las
simulaciones, porque si bien nunca hay que tomarse al pie de la letra todo lo
que nos muestran —⁠al fin y al cabo, tenemos que hacer algunas trampas
para meter una galaxia en un ordenador⁠—, si podemos hacer predicciones
que coincidan con lo observado en el universo real, podemos empezar a
confiar en la historia que nos cuentan los modelos informáticos.
Y esa historia es la siguiente. La materia oscura rigió toda la creación al
provocar, en primer lugar, la formación de pequeños conglomerados de gas
a partir de los cuales se originaron las primeras estrellas. Con el tiempo, las
minúsculas galaxias resultantes colisionaron y se fusionaron entre sí
formando estructuras más y más grandes, guiadas de nuevo por la
influencia de la materia oscura. Entre tanto, y a medida que iban muriendo
las sucesivas generaciones de estrellas, las galaxias fueron acumulando una
creciente provisión de elementos como carbono y oxígeno. Llegado cierto
punto, existía material suficiente para la formación de planetas rocosos,
como la Tierra, en torno a las estrellas. Parece claro que, sin la decisiva
participación de la materia oscura en todo este proceso (tanto en la
formación de estrellas como en el fuerte control gravitatorio que ejerce
sobre los elementos que estas fabrican), no estaríamos aquí. Las
simulaciones nos han demostrado que nuestra existencia depende
estrechamente de lo invisible.
EL MISTERIO DE LA DIVERSIDAD

Transcurridos casi sesenta años desde que Tinsley escribiera su tesis y más
de ochenta desde que Holmberg apagara las luces de su laboratorio, las
simulaciones galácticas que combinan aspectos de los pioneros métodos de
ambos se han convertido en algo corriente. A medida que aumenta la
potencia de los ordenadores y mejoran los códigos empleados en las
simulaciones, vamos aprendiendo cada vez más de las islas de luz que
pueblan nuestro universo. La materia oscura es su ingrediente principal,
pues el efecto gravitatorio que crea da lugar a las aglomeraciones de gas y
éste, a su vez, constituye el combustible para la generación de estrellas. En
lo que respecta al propio gas, las tres leyes de la dinámica de fluidos siguen
siendo de aplicación válida, si bien han de combinarse con algunos trucos
para concentrar los recursos del ordenador allí donde son más necesarios.
Por último, la energía de las estrellas se recrea cuidadosamente empleando
reglas de subcuadrícula, de modo que las galaxias regulen su propia
formación. Sin este proceso retroactivo, los universos virtuales serían
demasiado brillantes y se parecerían poco, por tanto, al oscuro y disperso
cosmos que habitamos.
Las simulaciones se basan en una receta ecléctica: dependen a partes
iguales de la física, de los trucos informáticos y de los ajustes para
adaptarlas a lo que ya conocemos. Esta mezcla tan inusual de rasgos
conlleva que la elaboración de predicciones y explicaciones a partir de los
resultados de las simulaciones requiera meticulosidad y experiencia. Sería
tentador presentar los modelos informáticos como herramientas que nos dan
una visión directa de la realidad, pero a estas alturas debería haber quedado
claro que, de hacerlo, incurriríamos en una simplificación excesiva. Saber
distinguir lo que es una predicción de lo que es una asunción, lo que resulta
fiable y lo que no, constituye una especialidad en sí misma y, a menudo,
puede suscitar controversias: aún quedan expertos en el mundo que siguen
dudando de que las simulaciones sirvan para algo.
Aunque puedo llegar a empatizar con esa postura, creo también que ha
dejado de estar justificada. Las rompedoras simulaciones de Tinsley fueron
capaces de revolucionar la cosmología mucho antes de que se
comprendieran bien los mecanismos de evolución de las galaxias y de
regulación de la formación de estrellas. Su golpe maestro fue entender que
las simulaciones no tienen que ser exactísimas para ser útiles. En la
actualidad, de hecho, todavía distan mucho de ofrecer una recreación
perfecta de la historia del cosmos, pero sirven para hacer predicciones
acerca del presente y el pasado de nuestro universo, y muchas de ellas han
sido acertadas. He expuesto algunos ejemplos de estos hallazgos, extraídos
de mi propia experiencia, en la que he pasado del entusiasmo al
escepticismo y vuelta a empezar.
Como mínimo, las simulaciones demuestran que las nociones de
materia y energía oscuras pueden integrarse en un relato coherente del
origen de las galaxias. Esa historia sirve para unir los puntos que van desde
los primeros instantes del universo hasta el surgimiento de la vastísima red
cósmica, así como de las galaxias, estrellas y planetas que ésta contiene. Si
atendemos a lo que nos muestran los telescopios más potentes, cabe afirmar
que dicho relato es correcto al menos en términos generales, lo cual
constituye por sí mismo un logro nada desdeñable. Pues supone, en efecto,
reescribir el libro del Génesis con más precisión de la que Sandage soñara
nunca.
Por otro lado, sin embargo, cabe recordar que en ciencia nada está
cerrado del todo nunca y que todas la ideas y teorías que hoy están
ampliamente aceptadas son susceptibles de ser revisadas con el tiempo.
Encontrar lo que falla en las simulaciones es más importante que alabar lo
que sí funciona: las pequeñas grietas en el edificio de la cosmología
moderna dan esperanza a los físicos teóricos más imaginativos que quieren
reinventar la materia oscura. Hasta ahora, la mayoría de estas fisuras han
sido reparadas afinando más la subcuadrícula, pero no hay razón para que
este proceso sea infinito; tal vez llegue el día en que encontremos algo que
sólo pueda ser explicado revisando los ingredientes que componen el
universo.
Hay muchas cosas que ni los astrónomos ni los simuladores cósmicos
pueden explicar con certeza todavía. Encabezando esta lista de incógnitas
está la cuestión de la increíble variedad de galaxias. Algunas son grandes y
otras son pequeñas, algo que no resulta sorprendente si tenemos en cuenta
que su escala depende del tamaño del halo de materia oscura que las aloja.
Pero resulta más incomprensible que en algunas se sigan formando nuevas
estrellas (como sucede en la Vía Láctea) y en otras, no. ¿Cómo emergieron
estas diferencias?
El campo profundo del Hubble permitió atisbar, en 1995, cómo cambian
las galaxias a lo largo del tiempo, si bien desde la perspectiva actual su
logro, capturar algunos miles de las galaxias más brillantes, parezca una
empresa menor. Hoy existen telescopios automatizados, como el Sloan
Digital Sky Survey (inaugurado en el año 2000), capaces de recopilar
información sobre millones de galaxias. Éstas han demostrado poseer una
diversidad asombrosa, tanto en lo que respecta al tamaño como al color, la
forma, masa, composición química, luminosidad, velocidad de rotación…
Los astrónomos apenas han comenzado a clasificar estas variaciones, cada
una de las cuales deja una reveladora impronta en la luz que las atraviesa
que luego podemos comparar con las imágenes y vídeos producidos por las
simulaciones. A lo largo de esta década de 2020, el telescopio espacial
James Webb nos mostrará imágenes del universo aún más remotas y
antiguas de las que capturó el Hubble, mientras que el observatorio Vera
Rubin (bautizado en honor a la pionera de la materia oscura) recopilará
información sobre los veinte mil millones de galaxias más próximas a la
nuestra.
A pesar de todo lo que ya sabemos, estos punteros proyectos pueden
depararnos nuevas sorpresas. Desde luego, conviene ser prudentes, pues,
como el campo profundo del Hubble nos enseñó ya, no podemos estar
completamente seguros de lo que encontraremos al franquear nuevas
fronteras, por lo que requerirá tiempo y paciencia interpretar cómo y dónde
encajan los nuevos datos en el relato construido con ayuda de las
simulaciones. Sea como sea, cabe esperar que en 2030 la historia de la
formación de galaxias sea mucho más rica y matizada de la que manejamos
hoy.
Entre los veinte mil millones de galaxias que estudiaremos no habrá dos
exactamente iguales. Dado que, hasta donde sabemos, todas ellas se
conforman según las mismas leyes físicas, sus diferencias sólo pueden
proceder de las condiciones iniciales de su formación; es decir, cada una de
ellas tuvo que originarse de una manera ligeramente diferente a comienzos
del universo. Hablaré más sobre estas diferencias en el capítulo 6, pero
baste decir por ahora que son extraordinariamente pequeñas y sutiles.
¿Podemos explicar cómo estas minúsculas distinciones tempranas se
amplificaron hasta constituir la asombrosa e inagotable diversidad que
podemos admirar hoy?
Existe un amplio abanico de efectos físicos que las simulaciones todavía
no incluyen en sus programas, pero que probablemente contribuyan a que
ninguna galaxia sea idéntica a otra. Si alguna vez te da por asistir a un
congreso sobre simulaciones de formaciones de galaxias, verás a un montón
de físicos volviéndose locos con abstrusos detalles de la subcuadrícula
relacionados con los campos magnéticos, los rayos cósmicos, los vientos
estelares o el polvo espacial.
Pero, por encima del resto, existe otro ingrediente caprichoso que
todavía no he mencionado y que tiene la capacidad de destruir algunas
galaxias al tiempo que permite que otras florezcan. Me estoy refiriendo a la
mayor fuente de energía conocida del universo, a las superestrellas de la
física teórica, capaces de fascinar por igual a escolares y a catedráticos de
Matemáticas. Hablo de los agujeros negros y, como mostraré a
continuación, las galaxias no podrían existir sin ellos.
 4
Agujeros negros

En principio, el concepto de agujero negro es muy simple. Se trata de una

región del espacio tan densamente saturada de materia que la gravedad se
desata en ella con una fuerza abrumadora. Nada en el interior de un agujero
negro puede escapar de él y regresar al universo, ni siquiera la luz (de ahí el
calificativo de «negro»).
Cuando era un estudiante universitario, me apasionaba aprender cosas
sobre los agujeros negros. El tema constituye el sumun de cómo pueden
combinarse la física y las matemáticas para desentrañar el universo. En la
historia resumida y depurada que se suele impartir a los estudiantes, Albert
Einstein ideó una nueva teoría de la gravedad en 1915; un año después, un
físico llamado Karl Schwarzschild se dio cuenta de que la teoría implicaba
la existencia de agujeros negros, momento a partir del cual los astrónomos
empezaron a buscarlos. En realidad, su detección tardó décadas en
desarrollarse, en parte porque para ello hacían falta simulaciones lo
suficientemente sofisticadas. Sólo ahora comenzamos a entender los
profundos efectos que los agujeros negros tienen en el universo.
Aunque los agujeros negros puedan parecer de primeras un mcguffin
propio de una historia de ciencia ficción, existen de verdad. Probarlo no es
sencillo —⁠no se puede ver algo que, por definición, no deja escapar luz⁠—,
pero con un telescopio lo suficientemente potente es posible monitorizar el
gas y las estrellas que rodean un hipotético agujero negro y detectar la
acción de las inmensas fuerzas gravitatorias. Más fáciles de detectar todavía
son las distorsiones que generan los agujeros negros en el espacio cuando
colisionan, ya que se expanden de manera centrífuga, como si fueran las
ondas de un estanque cuando lanzas una piedra. Estas ondas gravitatorias
viajan a través del cosmos y han sido detectadas en su paso a través de la
Tierra.
Como resultado de todo ello, a lo largo de la última década se ha podido
certificar la existencia de los agujeros negros más allá de cualquier duda
razonable. Los premios Nobel de Física de 2017 y 2020 se otorgaron a un
total de seis investigadores que han sido pioneros en aportar nuevas pruebas
en ese sentido. Dos de ellos, Andrea Ghez y Reinhard Genzel, encontraron
un agujero negro espectacular, con una masa millones de veces mayor que
la del Sol, acechando amenazador en el centro de nuestra propia galaxia.
Los astrónomos lo han calificado como «supermasivo».
Estos agujeros negros de tamaño gigantesco se han ido convirtiendo en
una parte central de mi propio trabajo, porque parece que la mayoría de las
galaxias contiene uno en su centro. De dónde proceden exactamente es una
pregunta todavía sin respuesta que las simulaciones tal vez puedan
ayudarnos a resolver en algún momento. Mientras tanto, sabemos que
pueden permanecer a la espera durante miles de millones de años antes de
destruir súbitamente la galaxia que los había estado alimentando. El
problema no consiste tanto en la fuerza de atracción directa que ejercen los
agujeros negros, ya que el efecto gravitatorio sólo es poderoso en sus
cercanías, sino en su capacidad para emitir intensos haces de radiación que
arrancan el gas del corazón de la galaxia que los alberga, desabasteciéndola
del combustible necesario para formar nuevas generaciones de estrellas (las
existentes todavía tardarán miles de millones en extinguirse, por lo que se
trata de una muerte lenta).
Sólo comprendemos parcialmente cómo interactúan las galaxias y los
agujeros negros. Intentar recrear los agujeros negros de manera exacta es
una ardua tarea informática, sobre todo si tenemos en cuenta que el radio de
un agujero negro supermasivo es unos cincuenta mil millones de veces más
pequeño que el de la galaxia que lo contiene. Dado el enorme contraste, la
única manera de incluir uno de ellos en una simulación de escala
cosmológica es añadir una serie de reglas de subcuadrícula, igual que con
las estrellas.
Otra opción es olvidarse temporalmente del resto de la galaxia y
concentrar los esfuerzos del ordenador en uno o dos agujeros negros. En
este caso, se puede emplear una cuadrícula especializada, cuya escala se
ajuste a la tarea en curso. Pero también este método requiere usar trucos que
conviertan la célebre e impactante teoría de Einstein sobre la gravedad, la
teoría de la relatividad general, en algo que el ordenador pueda manejar.
La teoría ha sido comprobada y verificada, pero tiene extrañas
consecuencias, como que el tiempo no es el mismo para todos, que la
materia puede acumularse en un punto infinitamente denso o que los
agujeros negros tienen unos primos excéntricos conocidos como «agujeros
de gusano» que, en teoría, actúan como atajos entre diferentes partes del
universo. Tomarse en serio semejantes absurdeces requiere un notable
esfuerzo de la imaginación; un esfuerzo que comenzó a mediados de la
Primera Guerra Mundial.

ESTRELLAS QUE COLAPSAN

Lewis Fry Richardson, el pionero de las predicciones meteorológicas, no

fue el único físico con una gran intuición que sirvió en el frente durante la
guerra. En las trincheras del otro bando combatía un hombre que no podía
ser más diferente en carácter al inglés, Karl Schwarzschild. A diferencia del
retraído Richardson, el alemán era extrovertido y vivaz. Durante su época
como director del observatorio de Gotinga, había celebrado allí fiestas
escandalosas[152]. Lejos de ser un pacifista, se ofreció como voluntario para
el servicio militar, algo por completo innecesario en su caso, dado que por
entonces tenía ya cuarenta años y trabajaba en los círculos internos del
Gobierno. En el Ejército desempeñó diversas funciones, así como también
en el frente, donde trabajó calculando trayectorias de misiles.
Schwarzschild estaba fascinado por las estrellas y por la teoría de la
relatividad general, que Einstein había perfeccionado a finales de 1915. A
comienzos del año siguiente, escribió dos artículos académicos en los que
usaba la teoría de su compatriota para describir la gravedad que opera en
torno a las estrellas y una extraña consecuencia que había descubierto: la
densidad que podía alcanzar una estrella tenía un límite[153]. Schwarzschild
argumentaba que si el Sol tuviera menos de tres kilómetros de radio (cuatro
millonésimas de su tamaño actual), no existiría fuerza capaz de sostenerlo y
que era imposible, por tanto, que existieran estrellas de tamaños tan
pequeños[154]. Impresiona la rapidez con la que Schwarzschild alumbró
estas conclusiones, sobre todo si tenemos en cuenta sus circunstancias. No
sólo estaba en mitad de una guerra, sino que también había desarrollado
pénfigo, una enfermedad autoinmune que causa lesiones cutáneas muy
dolorosas. Sólo una semana después de la publicación de su trabajo,
Schwarzschild falleció por complicaciones derivadas de dicha
enfermedad[155].
Sus cálculos impresionaron a Einstein, pero ni siquiera él supo qué
hacer con el tamaño mínimo de las estrellas. Se trataba de un hallazgo
extraño y al que no se dio mucha importancia, ya que pocos físicos
contemplaban la posibilidad de que un cuerpo celeste pudiera encogerse tan
drásticamente. Habrían de transcurrir décadas antes de que se certificara
que las estrellas sí podían contraerse más allá del límite impuesto por el
radio de Schwarzschild, esos cruciales tres kilómetros, y que toda la materia
restante era aplastada y comprimida en su centro, de modo que nada, ni
siquiera la luz, podía escapar. En otras palabras, estas estrellas se convertían
en agujeros negros.
Parece increíble que una conclusión tan importante pudiera ser pasada
por alto durante tanto tiempo, pero todo se reduce a la enorme dificultad
que entraña la comprensión de las ecuaciones. Sobre el papel, las fórmulas
de la relatividad general de Einstein consisten en un puñado de símbolos
elegantes, hermosos incluso. Pero su sencilla apariencia oculta una
complejidad extrema: cada símbolo representa múltiples capas de
estrategias matemáticas con las que se podrían llenar libros enteros.
Schwarzschild había resuelto esas ecuaciones aplicándolas al caso
particular de una estrella esférica estable, pero se trataba eminentemente de
un ejercicio matemático: convertir algo así en una explicación física
requiere mucho trabajo adicional. En la Guía del autoestopista galáctico, de
Douglas Adams, una computadora ofrece la solución al «sentido de la vida,
el universo y todo lo demás». La respuesta, supuestamente, es «42», una
solución que la máquina defiende, aunque no satisfaga a nadie. Resolver las
ecuaciones de Einstein puede ser parecido: aun cuando se obtengan
resultados matemáticamente irrefutables, su significado puede seguir siendo
oscuro porque las variables implicadas en la operación son muy complejas
en sí mismas. Y si la resolución matemática es difícil, la interpretación del
resultado es aún más complicada.
Los primeros físicos en proponer seriamente que las estrellas
colapsarían al exceder el radio crítico de Schwarzschild, formando agujeros
negros en el espacio, fueron J. Robert Oppenheimer y su alumno Hartland
Snyder en 1939. En ese momento, el famoso físico tenía unos diez
estudiantes a su cargo, todos trabajando en diferentes temas. Uno de los
grandes talentos de Oppenheimer era detectar líneas de investigación
inusuales e interesantes[156]. A Snyder le encomendó averiguar lo que
pasaría con una estrella que se quedara sin energía. Se trataba de una
cuestión en apariencia abstrusa, pero Oppenheimer intuía que la respuesta
podía tener profundas implicaciones en el campo de la física teórica.
Las estrellas normales se encuentran en un delicado equilibrio entre la
gravedad, que atrae, y la presión, que repele, pero las presiones requeridas
sólo pueden ser generadas por altísimas temperaturas y, una vez se agota el
combustible nuclear, la estrella se enfría rápidamente y pierde ese estado de
equilibrio. Oppenheimer y Snyder demostraron que, en ausencia total de
presión, una estrella colapsaría sobre sí misma, reduciendo su tamaño por
debajo del radio crítico de Schwarzschild. «La estrella tiende así a cerrar
toda comunicación con un observador distante; sólo persiste su campo
gravitatorio», explicaron, describiendo por primera vez las características
propias de un agujero negro[157].
 Pero el asunto no acababa aquí, porque la idea de una estrella que pierde
toda su presión no dejaba de ser una simplificación excesiva. Otro alumno
de Oppenheimer mostró que, en las circunstancias adecuadas, las estrellas
muertas también podían explotar, dejando tras de sí «estrellas de
neutrones», densas pero visibles, sostenidas por la presión de las fuerzas
nucleares[158]. El verdadero destino de las estrellas dependía de un
complicadísimo amasijo de detalles relacionados con cómo interactúan las
diferentes partes de una estrella moribunda. Se trata del típico problema que
se analiza mucho mejor con una simulación, pero era 1939 y todavía no
había ordenadores.
El estallido de la Segunda Guerra Mundial detuvo abruptamente las
investigaciones sobre los agujeros negros. La mayoría de los expertos,
Oppenheimer incluido, se involucraron en el Proyecto Manhattan, si bien
algunos de ellos rechazaban el desarrollo de armamento nuclear
(Oppenheimer, a pesar de ser una figura clave, parecía albergar más dudas
al respecto que muchos de sus colegas, razón por la que el FBI recelaba de
él[159]). La aparición, hacia el final de la guerra, de la computadora ENIAC
—⁠capaz tanto de realizar cálculos para bombas atómicas como predicciones
meteorológicas⁠— podría haber contribuido a desentrañar los misterios de
las estrellas masivas, pero los físicos se vieron arrastrados entonces por el
comienzo de la Guerra Fría y por las prisas para desarrollar la bomba de
hidrógeno. Así las cosas, pasaron dos décadas antes de que se emplearan las
simulaciones para investigar la vida y muerte de las estrellas masivas, y
sólo porque también este tema se vio envuelto en las crecientes tensiones
políticas. En efecto, en un extraño giro del destino, la perspectiva de una
posible guerra nuclear hizo que comprender la muerte de las estrellas fuera
de repente más importante que nunca.

SIMULACIONES DE AGUJEROS NEGROS

La conexión entre la guerra y la investigación espacial pasó a un primer

plano en 1955, cuando Estados Unidos, el Reino Unido y la Unión
Soviética comenzaron a probar dispositivos termonucleares en la atmósfera
terrestre, lo que generó una gran preocupación sobre los efectos perniciosos
que aquello podía tener en la salud humana. El Departamento de Estado de
Estados Unidos pidió a Stirling Colgate, un experto en armas nucleares del
Laboratorio Nacional de Livermore, que actuara como consultor durante las
negociaciones de un tratado internacional para la prohibición parcial de
pruebas nucleares[160].
Colgate podría haber escogido una carrera profesional muy diferente.
Su padre y sus tíos habían fundado la famosa compañía de pasta de dientes,
que estaba creciendo rápidamente, pero al joven Stirling le había entrado el
gusanillo de la física mientras estudiaba en la diminuta escuela Los Alamos
Ranch[161]. Dio la casualidad de que ésta fue comprada en 1942 por el
Ejército de Estados Unidos, que quería usar el terreno para montar un
laboratorio secreto de armas nucleares. Colgate supo enseguida que allí se
estaba cociendo algo: vio a físicos famosos deambulando por el recinto, a
los que reconoció por las fotografías de sus libros de texto, aunque se
condujeran con secretismo y ocultaran su verdadera identidad usando
seudónimos[162]. Una década más tarde, él mismo sería uno de aquellos
físicos, y tendría un papel clave en el proyecto.
Como asesor en la negociación del tratado, Colgate sabía que, para ser
efectiva, cualquier prohibición de pruebas termonucleares requeriría de un
sistema de monitorización fiable. El problema era que las explosiones de
estrellas moribundas localizadas mucho más allá de nuestro sistema solar
podían generar un destello de radiación muy similar al de una bomba
detonada en la atmósfera superior. Aunque estos destellos cósmicos eran
intrínsecamente mucho más brillantes que los de las bombas, al ser
atenuados por la inmensa distancia que los separaba de la Tierra corrían el
riesgo de ser confundidos con el de las armas y, por tanto, de crear falsas
alarmas. Cuando compartió esta preocupación con el resto de los
negociadores, «produjo una gran consternación entre la delegación
soviética. Y quiero decir verdadera consternación; la idea los cogió
completamente por sorpresa»[163]. Las consecuencias que podía comportar
una escalada de malentendidos a ese respecto eran mortíferas, de modo que
era crucial poder distinguir entre la muerte de una estrella en el espacio
profundo y una explosión nuclear ocurrida justo encima de la Tierra.
Colgate reunió a un equipo con el fin de modificar el enfoque de las
simulaciones de armas nucleares ya existentes, ya que la base física del
modelo era prácticamente la misma. Ya se trate de la explosión de una
bomba nuclear o del colapso de una estrella, las simulaciones dividen el
problema en una serie de esferas imaginarias anidadas concéntricamente, y
a continuación analizan cómo interactúa cada una con las demás. El método
reducía un complejo problema tridimensional a una serie de esferas
perfectas, por lo que corría el riesgo de omitir detalles esenciales, pero en
ese momento, incluso contando con los potentes ordenadores de que
disponía el Ejército, se trataba de la única opción viable.
Una vez se hubieron adaptado al nuevo problema, las simulaciones
mostraron que cuando una estrella se queda sin combustible su centro
empieza a colapsarse. En sí, aquello no suponía ninguna sorpresa, pero lo
que ocurriera después dependía en gran medida de la masa de las estrellas
que estaban siendo simuladas. Si eran lo suficientemente pequeñas, cuando
los núcleos de los átomos entraban en contacto entre sí, rebotaban, como si
tratáramos de meter demasiadas canicas en una caja muy pequeña y se
desbordaran. A continuación, se producía una onda de choque masiva que
expulsaba las capas externas de la estrella casi a la velocidad de la luz. Eso
es lo que conocemos como una supernova.
Colgate había predicho que esas explosiones espaciales serían
detectadas por los satélites militares y se demostró que llevaba razón,
aunque, por suerte, la señal resultó ser notablemente diferente a la de una
bomba nuclear[164]. Los estratos estelares arrojados al espacio brillan con
una intensidad extraordinaria al principio y luego se desvanecen con el
tiempo. La llamada «nebulosa del Cangrejo» es un bello ejemplo de una
supernova cercana que, mil años después de su explosión inicial (visible
desde la Tierra en su día y registrada por astrónomos chinos y
japoneses[165]), continúa brillando a medida que se enfría y va
expandiéndose en el espacio circundante. La estrella restante, con una masa
mucho menor, es diminuta pero estable: una estrella de neutrones cien
billones de veces más densa que el Sol.
 En las simulaciones de estrellas masivas, sin embargo, el núcleo de
éstas sigue contrayéndose después; de modo que ni siquiera las fuerzas
nucleares son suficientes para revertir el proceso. Cuando las densidades se
vuelven tan altas, la relatividad general comienza a desviarse cada vez más
de la antigua teoría de la gravedad, la de Newton. Teniendo esto en cuenta,
dos de los miembros del equipo de Colgate, Richard White y Michael May,
incorporaron las ecuaciones de Einstein en el código[166]. Pero los cambios
tampoco pudieron detener el colapso. Así, se hizo manifiesto que, una vez
su núcleo comenzara a contraerse, las estrellas lo bastante masivas
resultarían aplastadas en menos de un segundo. Los agujeros negros eran,
por tanto, una consecuencia natural e inevitable de la teoría de Einstein.
Adaptar los programas para simular el colapso de estrellas en lugar de
armas nucleares fue relativamente sencillo y no encontró trabas. Aun así,
hasta 2005 no se completó el siguiente paso: recrear la colisión de dos
agujeros negros para estudiar la producción de ondas gravitatorias. La
relatividad es un tema enorme, su aprendizaje lleva años y su dominio,
décadas. Cuando simulamos más de un agujero negro, algunas de las
características más extrañas de estos fenómenos cobran una importancia
mucho mayor. Para intentar explicar por qué diseñar una simulación de este
tipo requiere un dominio exhaustivo de la teoría de la relatividad, voy a
presentar dos de sus características principales: la maleabilidad del tiempo y
la existencia de singularidades.
En primer lugar, el paso del tiempo —⁠un ingrediente crucial de las
simulaciones⁠— depende de la forma en que se observe un agujero negro. La
simulación desarrollada por May y White estaba concebida desde la
perspectiva de un desafortunado astronauta que cae al vacío junto a la
propia estrella que colapsa. Sin embargo, observada esta situación desde la
distancia por un astrónomo a salvo en su laboratorio, el escenario simulado
se ve de manera muy diferente. A medida que la estrella moribunda alcanza
el radio de Schwarzschild, el flujo del tiempo se interrumpe y el colapso
parece ralentizarse hasta congelarse. Entonces la estrella va desapareciendo
gradualmente de la vista. No hay ninguna señal exterior del colapso infinito
que acontece en el interior, sólo una esfera inmóvil y oscura.
 Esto podría parecer una especie de ilusión óptica, pero según la teoría
de la relatividad, el tiempo no transcurre igual para el astronauta que cae en
un agujero negro que para el astrónomo que lo observa todo desde fuera. Se
trata de un efecto que los físicos han demostrado, en una escala mucho más
pequeña, comparando relojes ultraprecisos situados en la superficie de la
Tierra con relojes idénticos que habían pasado sesenta horas volando en una
aeronave a gran velocidad y a gran altura sobre nuestro planeta[167]. Estos
experimentos han confirmado que el tiempo pasa de diferente forma
dependiendo de nuestra posición y de la velocidad a la que nos movamos.
Por esa razón, los resultados de cualquier simulación deben ser
interpretados cuidadosamente para distinguir entre diferentes
temporalidades.
Si este aspecto ya resulta confuso de por sí, hay que añadirle otra
consecuencia de la relatividad todavía más problemática. Consideremos la
materia que hay en juego en la simulación de May y White: nada puede
impedir su colapso hacia el interior del astro, de modo que se va
acumulando en el centro absoluto. A medida que la estrella se hace cada vez
más pequeña, la densidad y la presión de la materia acumulada en ella se
dispara hasta tal punto que ya no puede ser calculada con sentido. Eso es lo
que se conoce con el nombre de «singularidad».
Las singularidades son siempre un problemón. Si tratas de concentrar
toda la masa de una estrella en único punto del espacio, las ecuaciones
pertinentes dicen que la densidad en ese punto ha de ser infinita. Y los
ordenadores tienen muchas dificultades para lidiar con la noción de infinito,
porque no se ajusta a las reglas aritméticas normales. En una singularidad,
una presión infinita pugna infinitamente por expulsar la materia, pero no lo
consigue porque la gravedad ejerce también una resistencia infinita. Dos
fuerzas infinitas opuestas, sin embargo, no tienen por qué anularse la una a
la otra. Los matemáticos saben que infinito menos infinito, por desgracia,
no es igual a cero. El resultado es incierto.
Esta naturaleza impalpable de las singularidades se puede ilustrar muy
bien con una anécdota referida por el filósofo chino Han Fei en el siglo III
a. e. c., en la que describía a un vendedor de armas que aseguraba vender
escudos impenetrables y flechas tan afiladas que podían atravesar cualquier
objeto. «¿Y qué pasa si usamos tus flechas para atravesar tus escudos?»,
interviene uno de los presentes, dejando al vendedor desconcertado[168].
Una singularidad es algo parecido a una flecha imparable chocando contra
un escudo impenetrable, y los matemáticos son tan incapaces de explicar
qué sucede después de esto como el vendedor del cuento. Tan pronto como
aparece una singularidad en una simulación, las leyes aritméticas dejan de
tener valor.
May y White lidiaban con este obstáculo deteniendo la simulación cada
vez que aparecía una singularidad. En su caso, no pasaba nada porque sus
conclusiones se centraban en lo que sucedía durante los microsegundos
previos a ese instante decisivo. Hoy, sin embargo, las pruebas más sólidas
que tenemos de la existencia de agujeros negros proceden de las ondas
gravitatorias producidas cuando dos antiguos agujeros negros se atraen y
colisionan entre sí. Para simular estas ondas hace falta que el ordenador sea
capaz de recrear agujeros negros que existieron durante millones de años
antes de colisionar.
Eso requiere un plan todavía más sofisticado para sortear los obstáculos
que plantean las singularidades, algo que no se conseguiría hasta el
siglo XXI. La solución se basó en la más extraña de las implicaciones de la
teoría de la relatividad que voy a tratar aquí: los agujeros de gusano,
portales que conectan diferentes partes del universo.

ONDAS Y AGUJEROS DE GUSANO

La estrategia que emplean las simulaciones actuales para sortear las

singularidades tiene un gozoso aire a ciencia ficción. Einstein escribió un
artículo académico junto a su asistente, Nathan Rosen, sugiriendo que los
agujeros negros tal vez fueran sólo una parte de la historia y que dos de
ellos podían actuar como entrada y salida de un agujero de gusano a través
del espacio[169]. Si trazamos una línea a lo largo de la entrada de uno de los
agujeros negros, ésta puede acabar saliendo por el otro, como si cogiéramos
un atajo a otra región remota del espacio o, incluso, a otro universo. La
singularidad, por lo que parece, es reemplazada por un misterioso umbral.
Con todo, parece dudoso que algún agujero negro del universo real
pueda actuar como agujero de gusano. Einstein no mencionó ningún
mecanismo que formara las parejas de entrada y salida, y, ciertamente, una
estrella en proceso de colapso tampoco podría provocarlo, ya que sólo
origina un agujero negro. Pero Einstein y Rosen demostraron
matemáticamente que reemplazar un agujero negro cualquiera por la
entrada de un agujero de gusano no implica diferencia alguna por lo que
respecta a aquello que se puede medir desde el exterior, donde sólo se
observa una esfera oscura. Este fenómeno recibe el nombre de «horizonte
de sucesos», porque ningún suceso que tenga lugar en su interior tiene
efecto en el exterior: si ni siquiera la luz puede escapar, no hay forma de
que se transmita acontecimiento alguno al universo. Lo que sea que pase
dentro del horizonte de sucesos (la entrada del agujero de gusano o
singularidad) permanece dentro del horizonte de sucesos.
En los años cincuenta, John Wheeler, físico nuclear de formación, fue el
primero en sugerir que los agujeros de gusano tenían que incorporarse a las
simulaciones de colisiones de agujeros negros. Su interés al respecto partía
inicialmente de su curiosidad por las estrellas, los reactores de fusión de la
naturaleza; pero cuando supo de las investigaciones que los alumnos de
Oppenheimer estaban llevando a cabo sobre el colapso de estrellas, se
obsesionó con intentar comprender los agujeros negros. Wheeler se dio
cuenta de que incluso en el caso de un suceso extremo como la colisión de
dos agujeros negros, los horizontes nunca revelarían lo que había dentro,
por lo que comprendió que había que reprogramar las simulaciones para
que los trataran como agujeros de gusano y no como singularidades. De ese
modo, se eliminaban los problemáticos infinitos. El exterior de un agujero
negro de verdad, además, seguiría viéndose igual aun si en su interior se
comportaba de manera diferente. En la actualidad hablamos de «perforar»
la simulación, porque la singularidad se ha eliminado[170]. Wheeler sugirió
a su alumno Richard Lindquist que simulara la colisión de dos de estos
agujeros negros perforados[171].
 El propósito principal de Wheeler era comprender por sí mismas las
implicaciones teóricas de la relatividad, independientemente de si podían
llegar a probarse jamás[172], pero hoy tenemos una motivación más
experimental: cuando dos agujeros negros colisionan, generan ondas
gravitatorias que se pueden detectar cuando atraviesan la Tierra. Antes
mencioné que las leyes de la dinámica de fluidos se pueden usar para
describir las ondas del agua, que implican una oscilación de la superficie y
la expansión centrífuga de las perturbaciones. De manera similar, las leyes
de la relatividad general adscriben al propio espacio una flexibilidad que
hace que se comporte de forma parecida a la superficie del agua. Las ondas
gravitatorias son el resultado de ese comportamiento: el espacio puede
verse distorsionado momentáneamente por objetos densos que se mueven a
gran velocidad antes de recuperar de nuevo su forma. Las simulaciones
pueden recrear las ondas predichas por la teoría de Einstein cuando dos
agujeros negros colisionan, siempre que resuelvan antes las dificultades
asociadas a las singularidades.
Lindquist necesitaba a alguien que pudiera traducir a código el truco del
agujero de gusano para introducirlo en la simulación. Fue entonces cuando
dio con Susan Hahn. Ésta había llegado a Nueva York junto a su marido en
1951, huyendo de su Budapest natal tras la invasión y la ocupación de las
tropas soviéticas. Al principio había encontrado trabajo en un banco, pero
siempre había soñado con ser matemática y se matriculó para realizar un
doctorado en la Universidad de Nueva York, donde asistió primero a las
clases nocturnas y, más adelante, a tiempo completo[173]. La tesina de Hahn,
terminada en 1957, abordaba los complejos retos técnicos que implicaba
convertir toda suerte de ecuaciones en simulaciones basadas en cuadrículas
de la mayor precisión posible[174].
Dado que conocía todos los posibles obstáculos que esto conllevaba, era
la persona adecuada para convertir ideas abstractas relacionadas con la
perforación del espacio-tiempo en cálculos concretos. Además de eso, Hahn
había empezado a trabajar en IBM, por lo que tenía acceso a potentes
máquinas, ya que a la empresa le gustaba demostrar la capacidad de sus
aparatos aplicándolos a la resolución de complicados problemas físicos. La
idea de Wheeler de usar agujeros de gusano como medio para librarse de las
singularidades fue ampliada por Lindquist, quien, a su vez, encomendó a
Hahn la tarea de traducir todo aquello en código para meterlo en un
ordenador[175].
Hahn y Lindquist escribieron que su trabajo era más una «cuestión de
principios» que una tarea de importancia científica, pues la búsqueda
experimental de las ondas gravitatorias procedentes de las colisiones de
agujeros negros quedaba todavía muy lejos de su alcance[176]. Por un lado,
simularon una colisión frontal, que es casi imposible que se produzca en el
universo en general, ya que los agujeros negros orbitan unos en torno a
otros y se van aproximando muy gradualmente hasta que terminan por
colisionar en trayectoria oblicua. Por otro, y a pesar de la elegante solución
hallada para evitar las singularidades, los resultados obtenidos dejaban de
tener sentido a medida que los agujeros negros se acercaban el uno al otro.
Este hecho reflejaba el caos del sistema: al igual que las predicciones
meteorológicas no pueden realizarse con más de una o dos semanas de
antelación, las imprecisiones, inicialmente pequeñas, en la descripción del
espacio iban aumentando hasta convertirse en errores de gran escala antes
de que se produjera la colisión.
Por esta razón, sus simulaciones no lograron resolver ninguna cuestión
práctica sobre las ondas gravitatorias, pero sí establecieron las
perforaciones como método para reemplazar las singularidades. Harían falta
otras cuatro décadas y nuevos y abundantes conocimientos técnicos para
domar lo más mínimo el caos reinante durante lo que tardan los agujeros
negros en precipitarse unos sobre otros y fusionarse. Finalmente, como si de
golpe aparecieran varios autobuses que hubieran tardado décadas en llegar a
su parada, tres grupos de investigación independientes desarrollaron de
forma casi simultánea sendos códigos informáticos que podían lograr lo que
antes era imposible: mostrar dos agujeros negros girando juntos en espiral
hasta fundirse[177]. Corría el año 2005, habían pasado nueve décadas desde
que Einstein formulara por primera vez las ecuaciones que, sin él saberlo,
habrían de inaugurar este nuevo y exótico campo de la física.
Todavía tendrían que pasar diez años más hasta que se pudieran detectar
las primeras ondas derivadas de una colisión entre agujeros negros en el
universo real, hazaña llevada a cabo en 2015 por el Observatorio de Ondas
Gravitatorias por Interferometría Láser (LIGO, por sus siglas en inglés).
Concebido en los años sesenta, su construcción fue toda una hazaña de la
tecnología. Durante el proceso, los simuladores perfeccionaron sus técnicas
y reunieron un vasto repositorio del tipo de ondas que podían ser
detectadas. Recurriendo a esta base de datos, el consorcio del LIGO,
formado por cientos de científicos, pudo anunciar sin temor a equivocarse
que dos agujeros negros individuales —⁠de treinta y seis y veintinueve
veces, respectivamente, la masa de nuestro Sol⁠— se habían fusionado en el
universo remoto, a cientos de millones de años luz de distancia de la Tierra.
El agujero negro resultante contenía sesenta y dos veces la masa del Sol.
El lector habrá notado que si sumamos las masas no salen las cuentas,
pero no se trata de un error. La que falta es la que ha sido transformada en
energía y transportada en forma de ondas gravitatorias. La fórmula más
célebre de Einstein, E = mc2 (la energía es igual a la masa por la velocidad
de la luz al cuadrado), establece que tal conversión es posible y en ninguna
parte se observa esto mejor que en las proximidades de un agujero negro.
La energía total que se produce en forma de ondas gravitatorias durante los
últimos segundos de rotación y colisión es igual a la generada por todos los
miles de millones de estrellas de la Vía Láctea a lo largo de mil años.

LA ENERGÍA

La comparación entre lo detectado por el LIGO y las simulaciones de ondas

gravitatorias confirmaron que los agujeros negros existen y que se
comportan tal y como predijeron las ecuaciones de la relatividad. Pero a
mediados del siglo XX, cuando su existencia era más dudosa, los
astrónomos habían empezado a notar algo raro en el balance de energía
cósmica. El primer indicio lo aportaron los radiotelescopios, que entre los
años cincuenta y sesenta detectaron intensas frecuencias procedentes del
espacio, como si fueran faros cósmicos.
Los astrónomos comenzaron a apuntar sus telescopios ópticos
tradicionales en dirección a esas fuentes de ondas de radio y encontraron
puntos luminosos que al principio parecían estrellas. Uno de los primeros
en estudiarlos fue Allan Sandage en los años cincuenta, el mismo
cosmólogo que más tarde se resistiría a aceptar la idea de que las galaxias
cambian a lo largo del tiempo. Lo que descubrió lo desconcertó: los colores
de aquellos puntos no se parecían a los de ninguna estrella que hubiera visto
antes y no había razón aparente por la que éstas produjeran intensas ondas
de radio. Estos objetos recibieron el nombre de «cuásares», una apócope de
«cuasiestrellas», y se trata de los brillantes faros que mencioné en el
capítulo anterior.
Sandage trabajaba en los observatorios del Carnegie, en Pasadena
(California), y discutió el misterioso descubrimiento con sus colegas del
cercano Instituto Tecnológico de California (conocido como Caltech).
Finalmente, el misterio fue resuelto por tres estrellas emergentes del mismo,
quienes, para disgusto de Sandage, se llevaron casi todo el reconocimiento
por ello[178]. La explicación aportada por los científicos del Caltech
resultaba impactante: aquellos puntos luminosos no eran estrellas en
absoluto, sino objetos mucho más vastos y mucho más distantes cuya luz se
había originado en el corazón de galaxias lejanas y había atravesado gran
parte del universo. Lo único que podía concentrar tantísima energía en un
punto tan pequeño era un agujero negro supermasivo, millones o incluso
miles de millones de veces más grande que el Sol.
Tomados de forma aislada, todos los agujeros negros son, por
definición, absolutamente oscuros, pero el gas que los rodea en ocasiones
puede comenzar a brillar intensamente. Además, éste es susceptible de ser
capturado por el poderoso campo gravitatorio del agujero negro, en cuyo
caso comenzará a aproximarse en espiral hacia el horizonte de sucesos y
acabará formando lo que se llama un «disco de aeración». Como las nubes
individuales de gas no se mueven todas de la misma manera exactamente,
terminan por rozarse o por chocar unas con otras, convirtiendo el
movimiento en calor y, en último término, en luz y en otras formas de
radiación. Este proceso es diez veces más eficiente que la fusión nuclear de
una estrella a la hora de generar luz a partir de la masa, y cuanto mayor sea
el agujero negro, más deprisa podrá succionar materia para mantener su
potencia, por lo que la liberación neta de energía puede ser enorme. Así
pues, es esta pequeña región espacial aledaña al agujero negro la que se
ilumina y, desde cierta distancia, se corresponde con los cuásares de
Sandage, de los cuales se han llegado a avistar millones hasta la fecha,
distribuidos como faros por el espacio.
Cuando el gas es finalmente absorbido, su movimiento en espiral se
transforma en rotación una vez que entra dentro del propio agujero negro,
aportando así más energía. Aunque permanezca oculto tras el horizonte de
sucesos, el efecto giratorio del agujero negro sobre los campos magnéticos
puede comportar una expulsión drástica de materia del disco de aeración,
que entonces será devuelta al universo a una velocidad cercana a la de la luz
gracias a la potencia almacenada, generando así las intensas ondas de radio
que en un principio llamaron la atención de la humanidad[179].
En el centro de nuestra galaxia, la Vía Láctea, existe un agujero negro.
Imaginemos lo que pasaría si empezara a caer en él una cantidad sustancial
de materia, de modo que nuestra galaxia se convirtiera en un cuásar
brillante, de un color azulado debido a las extremas temperaturas. Una vez
se quemara la capa central de polvo que actualmente oscurece el centro
galáctico, una nueva y espeluznante luz aparecería en el cielo nocturno,
brillando con una fuerza mil veces superior a la de Venus. Una fuente de luz
así sería visible incluso de día, a pesar de estar más de mil millones de
veces más lejos que el Sol.
La humanidad no estaría en peligro inmediato, pero sí el futuro a largo
plazo de la galaxia. En ningún sitio se hace más patente esto que en la M87,
una galaxia elíptica próxima a la nuestra que despide un chorro de materia
hacia el exterior, a miles de años luz de su centro, que viaja casi a la
velocidad de la luz y arrasa con todo a su paso como si fuera una verdadera
Estrella de la Muerte. Con todo, su haz es estrecho, por lo que es
improbable que llegue a destruir estrellas o planetas. Aun así, toda esa
energía tiene que ir a algún lado, pero ¿adónde?
AGUJEROS NEGROS EN GALAXIAS

Desarrollar simulaciones que expliquen lo que sucede con la energía

procedente de los agujeros negros es una empresa audaz. No basta con
combinar reproducciones detalladas de estos fenómenos con las ya
existentes de galaxias, porque hay una gran diferencia de escala entre
ambas. Se estima que los agujeros negros más masivos que se conocen
contienen varios miles de millones de veces la masa del Sol. Aun así, sus
horizontes de eventos sólo tienen el tamaño equivalente a un sistema solar.
Las propias galaxias son miles de veces más masivas y decenas de miles de
millones de veces más grandes. Esta falta de correlación en la escala es la
misma que existe entre una predicción meteorológica a escala global y una
mota de polvo individual; se trata de una disparidad impracticable, por lo
que la única solución consiste en introducir reglas de subcuadrícula. A
principios de los años dos mil, éstas estaban ayudando a los físicos expertos
en formación de galaxias a incluir en sus simulaciones los efectos
producidos por las estrellas, y la astrofísica Tiziana Di Matteo estaba segura
de que se podía aplicar un enfoque similar al estudio de los agujeros negros.
Di Matteo había completado su doctorado en Cambridge con una
investigación sobre cómo los agujeros negros absorben materia y cómo esta
genera energía. Al principio, estaba interesada en emplear sobre todo
radiotelescopios, telescopios ópticos e incluso telescopios de rayos X (que
captan la misma clase de radiación que se emplea en las radiografías para
escrutar nuestro cuerpo) para estudiar directamente cómo funciona el
universo. Pero en Harvard coincidió con Lars Hernquist y Volker Springle,
dos pioneros del refinamiento de subcuadrículas[180]. Intuyendo una
oportunidad, Di Matteo los convenció de que ampliaran las reglas de sus
simulaciones para incluir agujeros negros[181].
Aunque la asombrosa distorsión del espacio y del tiempo es un factor
crucial para comprender y recrear bien cómo se liberan la energía y las
ondas gravitatorias, el trío confiaba en que el resto de la galaxia no se viera
afectado por esos detalles. Concebían un agujero negro, sencillamente,
como otro tipo de partícula virtual que había que añadir a la materia oscura,
al gas y a las estrellas ya presentes. Una partícula virtual de agujero negro
sigue una regla especializada: si la sumerges en gas, se pegará un atracón de
gas, y en el proceso, convertirá una fracción de su masa en energía. Como
sucede con las reglas que siguen las estrellas y las nubes de vapor de agua,
surgen entonces detalles específicos de los que hay que ocuparse: ¿cuánto
tarda un agujero negro en consumir el gas? ¿Qué fracción de la energía se
libera? ¿De qué forma emerge ésta exactamente? Ni siquiera hoy podemos
responder esas preguntas con seguridad.
Lo que los miembros del equipo pretendían era llevar a cabo una prueba
tentativa que les permitiera avanzar con la primera simulación de los
efectos resultantes en 2005[182]. Aunque fue en esa fecha cuando empezaron
a funcionar también las simulaciones detalladas de ondas gravitatorias
generadas por agujeros negros, y cuando las simulaciones cosmológicas
comenzaron a recrear galaxias más realistas, la conjunción de estos avances
fue casualidad en gran parte. La simulación de Di Matteo tenía más en
común con la de Holmberg de hacía seis décadas en la medida en que
también hacía colisionar dos galaxias virtuales con la única intención de ver
qué sucedía. En lugar de las treinta y siete bombillas, la tecnología de
principios del siglo XXI permitió que la simulación de Di Matteo
comprendiera treinta mil partículas virtuales de materia oscura, treinta mil
estrellas, veinte mil partículas virtuales de gas, y otra de agujero negro
supermasivo, de cien mil veces la masa del Sol.
Las galaxias recreadas tardarían alrededor de mil millones de años
virtuales en fusionarse. El equipo tomó una instantánea de sus galaxias en
intervalos de unos pocos millones de años, lo que les permitió crear una
animación dramática de los resultados, como las que Governato mostró de
sus galaxias formándose a partir de la red cósmica. Una noche en la que se
quedó trabajando hasta tarde, preparando a toda velocidad una conferencia,
Di Matteo vio por primera vez los resultados de la simulación y supo de
inmediato que se traían algo importante entre manos[183].
En el vídeo, dos impecables galaxias de disco se dirigen una hacia la
otra a través de un espacio vacío. Cuando entran en contacto, el gas de
ambas es aplastado y forzado a entrar en sus respectivos agujeros negros,
liberando grandes cantidades de energía que calienta el entorno. Las
galaxias humean ante la cámara y parecen estar en llamas, aunque en
realidad se trata del gas sobrecalentado que rodea el agujero negro
supermasivo de cada galaxia. Esas brasas galácticas se calman ligeramente
antes de ser arrastradas por la gravedad y fundirse en el centro.
Como sucede en las mejores películas de catástrofes, cuando parece que
ya se acaba, la cosa se pone todavía peor. A medida que la galaxia resultante
comienza a asentarse, los dos agujeros negros alcanzan el nuevo centro,
donde aún queda algo de gas. Entonces comienzan a consumir materia de
nuevo y el fuego se renueva con una explosión. Todo lo que no cae en el
interior de los agujeros negros es expulsado sin remisión hacia el exterior.
Aunque las estrellas existentes son lo bastante pequeñas como para no sufrir
daños, la pérdida de tanto gas devasta igualmente la galaxia, ya que no
queda combustible para formar más estrellas y planetas. Llegado cierto
momento, también las estrellas existentes se desvanecerán. Así es como
ambas galaxias de disco son devoradas poco a poco por los agujeros negros,
dejando tras de sí tan sólo un remanente de muerte.
La idea de destruir galaxias enteras de esta manera parecería fantasiosa
si no fuera porque la observación del universo real nos ha aportado pruebas
inequívocas acerca del poder de los agujeros negros[184]. Las imágenes
obtenidas por las nuevas simulaciones ayudan a explicar la relación entre
ambos: se viene observando desde hace algún tiempo que las galaxias más
grandes albergan agujeros negros más grandes[185]. Parece que, a medida
que aquellas aumentan de tamaño, mediante fusiones sucesivas, también lo
hace el agujero negro que hay en su centro, el cual termina por volverse tan
poderoso en comparación con las estrellas que se vuelve una amenaza para
su propia anfitriona. Si, a mediados de los años dos mil las simulaciones
acababan de descubrir la forma en que la energía de retroalimentación dicta
la relación entre los halos de materia oscura y las galaxias que albergan,
ahora probaban que existía la misma sinergia entre las galaxias y sus
agujeros negros.
Las simulaciones más recientes pintan una imagen más sutil, en la que
el gas de una galaxia moribunda se pierde de manera más gradual, en lugar
de en una sola y catastrófica colisión, si bien los agujeros negros siguen
considerándose los motores de la destrucción[186]. Aun así, quedan
profundos enigmas por resolver, empezando por el origen exacto de estos
fenómenos masivos. Inicialmente, Di Matteo los agregó a mano a su
simulación, pero si queremos entender de veras la historia de las galaxias,
los cosmólogos necesitamos averiguar qué leyes rigen el nacimiento de los
agujeros negros supermasivos, ya que los relativamente pequeños que
resultan de una implosión estelar no pudieron crecer tan rápido como para
alcanzar el tamaño de los agujeros negros supermasivos existentes en la
actualidad.
Por el momento, nuestras simulaciones de formación de galaxias están
programadas para crear agujeros negros supermasivos en el centro de
galaxias jóvenes, pero no tenemos una justificación estricta para ello. Una
hipótesis de lo que sucede realmente es que las primeras estrellas fuesen
enormes, quizá mil veces más masivas que nuestro Sol, y que, por lo tanto,
generasen agujeros negros enormes que consumieron su entorno a toda
velocidad. (En comparación, las estrellas actuales más grandes son
ligerísimas, aunque siguen pesando más de cien veces más que el Sol). Otra
posibilidad es que, en el universo primitivo, las condiciones permitieran que
las nubes de gas colapsaran por su propia gravedad, sin siquiera iniciar la
fusión nuclear, en cuyo caso, el proceso se saltaría la etapa estelar y
conduciría de forma natural a la creación de enormes agujeros negros. Una
tercera posibilidad es que, de algún modo, éstos comenzasen a formarse
mucho antes que las propias galaxias. No sabemos qué teoría es la correcta.
Se trata de un misterio que tendrán que resolver las generaciones
venideras[187].

EL FUTURO

Sea cual sea el mecanismo exacto, lo que las observaciones demuestran es

que los agujeros negros están presentes en las galaxias, así que también
tenemos que introducirlos en las simulaciones. Eso tiene una consecuencia
natural: si dos galaxias se fusionan, la resultante termina no con uno, sino
con dos agujeros negros supermasivos en su interior. Recordemos que los
cosmólogos tenemos buenas razones para creer que la mayoría de las
galaxias, incluida la nuestra, se han formado mediante la fusión sucesiva de
otras más pequeñas a lo largo del tiempo. Por lo tanto, no debería
sorprendernos que, en algunas simulaciones que mis colaboradores y yo
hemos realizado recientemente, los resultados indiquen que la Vía Láctea
no tiene sólo un agujero negro supermasivo central, sino que podría tener
fácilmente hasta una docena, agujero negro arriba o abajo[188].
Sin embargo, la mayoría de estos agujeros negros supermasivos que
aparecen en nuestras galaxias simuladas no están en el centro, sino que
orbitan muy lejos del mismo. Cuentan con poco gas que tragarse, por lo que
no brillan ni crecen demasiado y es probable que sean excepcionalmente
difíciles de detectar. Aunque la idea de tener estos monstruos ocultos
flotando a nuestro alrededor suene peligrosa, la galaxia es un lugar
vastísimo y las posibilidades de que alguno llegue a aproximarse incluso a
unos pocos años luz de nuestro sistema solar son mínimas. (Estimo que las
probabilidades son de alrededor de una entre mil millones durante toda la
vida del Sol. Las incertidumbres son tales que el número exacto puede
variar, pero, incluso contando con eso, las posibilidades siguen siendo
remotas).
De hecho, en las simulaciones habríamos encontrado muchos más de
estos agujeros negros supermasivos a la deriva si no fuera porque a menudo
se desplazan hacia el centro de la galaxia anfitriona y terminan
fusionándose con el agujero negro central existente. Esto brinda a los
cosmólogos la emocionante posibilidad de elaborar predicciones
comprobables mediante los detectores de ondas gravitatorias, ya que la
regularidad con la que colisionan los agujeros negros supermasivos
determina la cantidad de ondas que atraviesan la Tierra.
Hasta aquí todo bien. La humanidad cuenta con detectores de ondas
gravitatorias y elaboramos predicciones cada vez más precisas sobre las que
llegan a la Tierra. Juntos, ambos parámetros deberían permitirnos aventurar
hipótesis sobre los agujeros negros, las galaxias y su tensa simbiosis.
Lamentablemente, sin embargo, la sensibilidad del LIGO no puede
aplicarse a la escala correcta: los detectores deben ser comparables en
tamaño a los agujeros negros que buscan, y los de este observatorio tienen
alrededor de cuatro kilómetros de diámetro, lo que los equipara a un agujero
negro con una masa unas pocas veces mayor que la del Sol. Los
supermasivos, millones de veces más masivos, son también millones de
veces más grandes en extensión, de modo que los ingenieros tendrían que
ampliar la escala del LIGO para poder detectarlos.
Dado que la Tierra sólo tiene unos pocos miles de kilómetros de
diámetro, no tenemos espacio físico para instalar un detector de varios
millones de kilómetros aquí. Hace falta saltar al espacio para alcanzar una
escala tan espectacular. Con ese objetivo, la Agencia Espacial Europea (
ESA) planea lanzar en 2037 la Antena Espacial de Interferómetro Láser (
LISA, por sus siglas en inglés[189]), que equivale al LIGO ampliado por un
factor de un millón. Por supuesto, no se está construyendo una nave
espacial tan colosal: LISA constará en realidad de tres naves separadas,
cada una de unos tres metros de ancho, que volarán en una formación de
triángulo equilátero para cubrir un área de cinco millones de kilómetros.
Cada nave apuntará con un láser a las otras dos y bastará con monitorizar su
luz para inferir las ondas existentes en el espacio entre las naves. Se trata de
un plan audaz que pondrá al límite la capacidad de la ingeniería humana,
pero un test tecnológico realizado en 2015 convenció a la ESA de que es
factible llevarlo a cabo.
Si no puedes esperar hasta la década de 2030 para averiguar si las
simulaciones están en lo cierto sobre cómo funcionan las galaxias y los
agujeros negros con masas un millón de veces más grandes que la del Sol,
no te preocupes. Es muy probable que en algún momento de la década
actual los astrónomos detecten los primeros indicios de ondas gravitatorias
procedentes de estos colosos, empleando para ello un detector que la
naturaleza ya construyó para nosotros: los púlsares.
Los púlsares son un tipo de estrellas de neutrones que giran
extraordinariamente rápido, lo que hace que actúen un poco como un faro
que emite al universo un haz de ondas de radio en fracciones de segundo.
Vistos desde la Tierra, parecen una señal pulsante y regular; tan regular, de
hecho, que parecen artificiales. Al descubrirlos, en 1967, la por entonces
doctoranda Jocelyn Bell Burnell los denominó en broma los «hombrecillos
verdes».
 Aunque no se trata de alienígenas, la asombrosa regularidad de los
púlsares los hace sensibles a las ondas que se propagan a través de grandes
distancias dentro de nuestra galaxia. A medida que una onda gravitatoria se
va interponiendo entre nosotros y una estrella, la distancia fluctúa
ligeramente, de modo que se altera el ritmo de los pulsos recibidos. Este
efecto es perceptible sobre todo cuando se monitorean múltiples púlsares,
así que los astrónomos han comenzado a vincular telescopios creando
«redes de sincronización de púlsares» para facilitar la búsqueda. Si bien
necesitamos la LISA para confirmar si las simulaciones recrean
correctamente la relación entre las galaxias y sus agujeros negros, las redes
de sincronización de púlsares deberían darnos mucho antes una primera
pista al respecto.

LA OTRA SINGULARIDAD

Mientras los cosmólogos aguardan estos resultados, hay mucho que

reflexionar sobre los agujeros negros. Ahora sabemos que, si bien son los
objetos más oscuros del universo, generan también grandes cantidades de
luz y energía, las cuales se liberan cuando una galaxia alcanza una masa
excesiva. También son imposibles de ver y, sin embargo, su existencia es
anunciada en la estructura del espacio por ondas detectables por los
observatorios de ondas gravitatorias. Y pueden incorporarse a simulaciones
mediante el uso de agujeros de gusano que oculten sus singularidades
centrales (aquellas que, de lo contrario, violarían la aritmética básica), o
bien mediante un puñado de reglas de subcuadrícula que los conviertan en
partículas v generadoras de energía e inocuas.
Ocultar la singularidad existente dentro de los agujeros negros es
necesario para evitar que las simulaciones se bloqueen frente a los infinitos
paradójicos. Pero la solución del agujero de gusano no deja de ser una
suerte de parche sofisticado que, si bien es matemáticamente sólido, no
revela el corazón físico de los agujeros negros. Para los físicos teóricos, lo
que sucede de verdad en el interior de estos fenómenos tiene una gran
importancia, por muy sutiles que sean las implicaciones de esa cuestión
para la comprensión de las galaxias. La presencia de singularidades implica
que la relatividad se rompe, o que al menos está incompleta, y que sólo es
un golpe de fortuna lo que ha permitido que las simulaciones de agujeros
negros sean viables.
El problema de la singularidad se vuelve aún más conspicuo y
apremiante cuando los cosmólogos consideran el espacio como un todo,
porque el universo se está haciendo cada vez más grande. Las ecuaciones de
la relatividad general pueden extrapolar esta expansión al pasado y, de la
misma manera que la singularidad de un agujero negro parece ser el
inevitable punto final del colapso de la materia, la singularidad constituida
por el Big Bang tendría que ser el punto de partida de la expansión de la
materia. Este vínculo íntimo entre la naturaleza del Big Bang y los centros
de los agujeros negros fue descubierto por Stephen Hawking[190].
A mi juicio, la conclusión del británico es mucho más perturbadora que
toda la exótica física de los agujeros negros y sus singularidades, porque el
Big Bang no puede omitirse con las sofisticadas matemáticas que
empleamos para los agujeros de gusano ni puede ocultarse detrás de un
horizonte de sucesos. Tampoco los intentos por reducirlo a una cuestión
filosófica o religiosa son de mucha utilidad práctica si tenemos en cuenta el
papel central que desempeñan las condiciones iniciales en todas nuestras
simulaciones. No se puede pronosticar el clima de mañana sin conocer el
clima de hoy. De manera similar, no podemos hacer predicciones sobre el
universo actual sin asumir algún punto de partida.
Incluso una simulación capaz de recrear con una precisión suprema la
física de la materia oscura, las estrellas, el gas y los agujeros negros podría
arrojar respuestas del todo erróneas (o ninguna en absoluto) si partiera de
una suposición equivocada sobre lo que aconteció justo después del Big
Bang. Así pues, si los astrónomos todavía quieren entender por qué la Vía
Láctea tiene el aspecto que tiene, tan diferente al de otras galaxias; por qué
algunas son grandes y otras pequeñas; por qué otras han sido devoradas por
sus agujeros negros, mientras que otras han sobrevivido…; si queremos, en
definitiva, ser capaces de simular el origen de todas las estructuras de
nuestro cosmos, tenemos que saber cómo abordar esa singularidad inicial y
reemplazarla por algo más significativo. Ése es el objetivo que trataremos
en el próximo capítulo.
 5
La mecánica cuántica y los orígenes del
cosmos

Es tentador presentar la mecánica cuántica como si fuera la física del reino

microscópico. Su extraña tesis central, que las partículas subatómicas no
son sólidas sino que están borrosas y que son capaces de existir en dos o
más lugares a la vez, resulta contraintuitiva, pero ha sido confirmada por
muchos experimentos. Estamos acostumbrados a que, cuando miramos a
nuestro alrededor o al cielo nocturno, los objetos de nuestro mundo
cotidiano y aquellos observables del universo más amplio ocupen
ubicaciones únicas y claramente definidas en un momento dado. Parecería
que cualquier borrosidad tuviera que estar restringida a escalas muy
pequeñas, inapreciables a simple vista.
Sin embargo, si hay algo que quiero transmitir en este capítulo es que
los efectos cuánticos no se limitan de ninguna manera al diminuto e
invisible ámbito de los átomos. De hecho, los fenómenos a esa escala dan
forma y sentido a todo el cosmos. Las teorías actuales sostienen que todas
las estructuras del universo —⁠desde la red cósmica y los halos de materia
oscura hasta las galaxias, los agujeros negros, los planetas, la vida, tú y
yo⁠— se deben a la incertidumbre cuántica que hubo al principio de los
tiempos. Nuestra existencia, aparentemente sólida, es tan sólo una faceta de
un universo indeterminado en lo más profundo y confuso a todas las
escalas, desde las microscópicas hasta las cósmicas. Y hemos de hallar la
manera de incorporar a las simulaciones esta sorprendente pieza final del
rompecabezas de la física.
Por absurda que puedan parecernos la mecánica cuántica y su negación
de la solidez de la realidad, sus fundamentos están fuera de toda duda; basta
con coger un teléfono móvil o una tableta, cuya tecnología se basa en ellos,
para certificarlo. Estos dispositivos están repletos de transistores
(interruptores digitales que usan una señal eléctrica para determinar si otra
puede fluir o no), cada uno de los cuales permite ejecutar un razonamiento
lógico rudimentario, y el encadenamiento de millones o miles de millones
de ellos es lo que ha impulsado la revolución informática. Los transistores
se fabrican a partir de semiconductores, materiales que aprovechan la
borrosidad cuántica de los electrones para comportarse en parte como un
conductor eléctrico y en parte como un aislante. No existe en nuestra
experiencia cotidiana un ejemplo análogo que ilustre satisfactoriamente
cómo funcionan estos semiconductores. Para comprenderlo, hay que
conocer los fundamentos de la mecánica cuántica.
Esto, no obstante, sólo es necesario para entender cómo funcionan los
transistores, no lo que hacen. Los ordenadores no exhiben ninguna
propiedad cuántica obvia: mientras tecleo, su memoria se llena con letras y
palabras particulares. Del mismo modo, las simulaciones predicen
resultados definidos como la velocidad del viento, la cantidad de lluvia o un
número de estrellas determinado. Incorporar la incertidumbre es
frustrantemente difícil, ya que obliga a los científicos a realizar múltiples
simulaciones y a acotar los posibles escenarios. Así, el funcionamiento de
los transistores es concreto y predecible, y aunque la incertidumbre sea
ajena a su propósito, es clave para su funcionamiento interno.
Esa separación entre la difusa física interna que opera a una escala
microscópica y el predecible comportamiento externo a gran escala es lo
que sirve de argumento para describir la mecánica cuántica como un
conjunto de leyes a pequeña escala de las que no hay por qué preocuparse
en nuestra vida macroscópica. Es la tentación a la que me referí al
principio: estamos más dispuestos a aceptar el extraño comportamiento
cuántico de las partículas diminutas si nuestro mundo cotidiano parece a
salvo de algo tan extraño. Para mostrar por qué esa nítida distinción es en
realidad una falacia, debemos adentrarnos más en el reino microscópico y
comprender primero qué significa realmente que una partícula exista en
más de un lugar al mismo tiempo.
La mecánica cuántica es crucial tanto para la estructura de los átomos,
la naturaleza de los elementos químicos y su agrupación en una tabla
periódica como para la forma en que las moléculas se unen. Los químicos
tienen su propia manera de simular las leyes físicas pertinentes aquí, lo que
requiere un estudio detallado, porque implica enfrentarse a descomunales
desafíos computacionales. Una vez superados, podremos viajar hasta la
primera pequeña fracción temporal de la vida del universo y estudiar cómo
pudo surgir la realidad a partir de una espuma cuántica. Sólo así
entenderemos las implicaciones que eso tiene para las simulaciones
cósmicas y por qué nuestra definida vida es en realidad resultado del azar.

LA INCERTIDUMBRE

La evidencia más omnipresente de la mecánica cuántica es la existencia de

átomos estables, los componentes básicos de nuestra vida cotidiana. Los
experimentos llevados a cabo durante los primeros años del siglo XX
establecieron que los átomos consisten en electrones girando alrededor de
un núcleo. Existía, sin embargo, un problema fundamental: según las leyes
existentes del electromagnetismo, las órbitas no podían ser estables, sino
que los electrones deberían comenzar a realizar espirales y penetrar en el
núcleo atómico en el transcurso de aproximadamente una cien mil
millonésima de segundo, contradiciendo así casi todo lo que sabemos,
incluida la existencia en el mundo que nos rodea de materiales estables y de
larga vida.
 En 1924, Louis de Broglie, un aristócrata francés que durante la Primera
Guerra Mundial había estado desarrollando sistemas de comunicación por
radio (e instalándolos en la Torre Eiffel[191]), sugirió como solución que el
electrón podría estar «difuminado» y formar una onda alrededor del núcleo,
en lugar de ser una partícula que órbita en el sentido tradicional. De Broglie
demostró que tal configuración sería estable, lo que evitaba el problema de
la espiral. En 1929, cuando el presidente del comité del Premio Nobel le
otorgó el galardón de la categoría de Física, casi pareció censurarlo al
afirmar que aquel salto de la imaginación se había logrado «sin apoyarse en
ninguna verdad conocida». Por fortuna, los hechos experimentales llegaron
más tarde y demostraron que la hipótesis de De Broglie era correcta.
La fotografía puede proporcionar aquí una analogía útil. La cámara no
captura un solo instante, sino que construye la imagen resultante durante un
lapso muy breve de tiempo, por lo general una fracción de segundo. Como
consecuencia, los objetos que se mueven rápidamente no aparecen nítidos,
sino que la imagen ofrece una versión borrosa, mezcla de los diferentes
lugares que ocupó el objeto en cuestión durante el tiempo de exposición.
Con una cámara sofisticada, es posible reducir el desenfoque eligiendo
una velocidad de obturación más rápida, pero eso no siempre es deseable. A
veces, el desenfoque ayuda a transmitir una sensación de movimiento, de
modo que a partir de una sola instantánea se puede medir visualmente la
forma en que los objetos se desplazan con el tiempo.
Pensemos en las clásicas fotografías nocturnas en las que los coches se
convierten en un haz de luz o en las imágenes de bengalas dibujando letras:
son mucho más evocadoras que una imagen perfectamente nítida. Un
obturador lento confiere esa sensación de movimiento al tiempo que hace
imposible precisar una sola ubicación. Por el contrario, un obturador rápido
captura la posición, pero elimina cualquier sensación de movimiento. Se
produce una disyuntiva.
La mecánica cuántica sostiene que en la realidad ocurre algo similar:
como si ésta fuera una fotografía, la información sobre la velocidad y la
ubicación están inextricablemente entrelazadas. La borrosidad, de hecho,
toma la forma de una onda, a un tiempo ondulada y difusa, razón por la que
recibe el nombre de «función de onda». Pero se trata sólo de un detalle: si
estamos dispuestos a aceptar que la naturaleza es borrosa, ya estamos en
camino de comprender por qué la mecánica cuántica es tan importante. Una
consecuencia es el principio de incertidumbre de Heisenberg, que establece
que la posición y el movimiento no pueden determinarse
simultáneamente[192]. Un físico experimental puede medir con precisión
una u otro, pero no ambos, lo que ilustra bien la elección del fotógrafo entre
exposiciones largas o cortas.
Nuestra vida cotidiana parece contradecir de plano a Heisenberg. Nos
resulta evidente que, mientras conducimos por la carretera, nuestro coche
tiene una posición y una velocidad bien definidas en un momento dado,
independientemente de lo que pueda mostrar una fotografía más tarde. Pero,
al igual que sucede con la relatividad, la verdadera dificultad a la hora de
comprender la mecánica cuántica consiste en ser capaces de abandonar
nuestras ideas preconcebidas sobre lo que es probable o razonable. Así
como la relatividad sólo se nos hace evidente a gran escala o a altas
velocidades, los efectos de la mecánica cuántica generalmente sólo se hacen
palpables a escala microscópicas. De Broglie demostró que, cuando los
electrones orbitan alrededor de un núcleo, por ejemplo, las borrosas ondas
ocupan el tamaño de un solo átomo, alrededor de una milmillonésima parte
de un metro.

LAS SIMULACIONES DE MATERIALES

El familiar mundo que nos rodea está hecho de moléculas, cadenas de

átomos unidos por electrones borrosos esparcidos por toda la estructura que
actúan como una suerte de envoltura unificadora. Los químicos necesitan
simular estas moléculas para llevar a cabo muchas tareas diferentes, ya se
trate de diseñar una nueva batería o un fármaco, de estudiar la forma en que
los virus atacan las células humanas, cómo se comportan las carreteras de
asfalto cuando se dañan, o de buscar aplicaciones potenciales de materiales
nuevos como el grafeno[193]. Cualquiera que sea el propósito particular,
tales simulaciones tienden a realizar un seguimiento de miles de átomos, o
de millones en el caso de sistemas biológicos como los virus.
Estas simulaciones de «dinámica molecular» son en el fondo similares a
las bombillas de Holmberg, si bien rastrean átomos en lugar de estrellas y
su objetivo es arrojar luz sobre las moléculas en lugar de sobre las galaxias.
A partir de una configuración inicial, que especifica la ubicación y el
movimiento de los átomos, la simulación permite que cada uno de ellos se
desplace durante un breve periodo de tiempo, en línea recta y a una
velocidad fija. Los pasos temporales, que en el caso de las simulaciones de
galaxias se miden en millones de años, son aquí nanosegundos. Las
moléculas pueden cambiar extraordinariamente rápido porque son
extraordinariamente pequeñas. Después de cada paso de drift, los átomos
son impulsados hacia una nueva trayectoria por la interacción de fuerzas
entre núcleos y electrones. Por lo tanto, la idea de un ciclo repetitivo de
drifts y kicks es idéntica en las simulaciones de dinámica molecular y las de
materia oscura.
La diferencia está en el tipo particular de kick. Holmberg calculó las
fuerzas gravitatorias midiendo el brillo de la luz, mientras que en las
simulaciones astronómicas modernas las fuerzas resultan de sumar
digitalmente la atracción de todas las estrellas, la materia oscura y el gas del
universo virtual. En el caso de las moléculas, sin embargo, la mecánica
cuántica complica el cálculo de las fuerzas, pues estas dependen de dónde
estén los electrones y, como hemos visto, cada uno puede estar en varios
lugares a la vez. Al estar difuminados por toda la molécula, sus fuerzas sólo
pueden calcularse mediante una simulación que tenga en cuenta este efecto
cuántico[194].
Las primeras simulaciones de química cuántica se inspiraron en la
dificultad particular que entraña el comportamiento de las moléculas
biológicas. El mecanismo de la visión, por ejemplo, depende de una
molécula conocida como «retinal»; sin embargo, hasta la década de 1970,
no se sabía con exactitud cómo convertía la luz en señales neuronales. La
bióloga de Harvard Ruth Hubbard había demostrado que sólo existía un
mecanismo plausible a través del cual se podía lograr la visión: los efectos
cuánticos tenían que convertir la luz en movimiento en la retina, de modo
que el movimiento pudiera enviarse luego al cerebro como una señal
nerviosa. Sin embargo, no era posible determinar con precisión cómo
sucedía esto, ya que no se podía calcular manualmente.
Al carecer de ordenadores lo bastante potentes para encontrar la
respuesta, y exasperada con una comunidad científica dominada por
hombres, Hubbard volcó su talento en el feminismo, movimiento en el que
se hizo famosa por su devastadora crítica de los sesgos raciales y de género
en la biología evolutiva[195]. (Según declaró al Boston Globe, «no tengo ni
idea de lo que piensan de mí mis colegas. En el mejor de los casos estarán
desconcertados; en el peor, pensarán que me he vuelto tarumba»[196]). La
investigación de Hubbard sobre el retinal fue retomada por sus alumnos,
entre los que se encontraba Martin Karplus.
Este llegaría a ganar el Nobel de Química en 2013 por sus simulaciones,
incluidas las del retinal, pero el camino para llegar hasta allí fue tortuoso.
Después de haber trabajado con Hubbard durante sus años universitarios, en
1950 tuvo que dejar de investigar sobre el retinal para su tesis doctoral, a
pesar de que deseaba seguir haciéndolo. Su supervisor, Max Delbrück, no
estaba muy entusiasmado con aquella idea. Karplus cuenta, de hecho, que
durante un seminario en el que trató de exponer sus hipótesis, Delbrück lo
interrumpió repetidas veces para afirmar que lo que estaba diciendo no tenía
sentido[197]. El físico teórico Richard Feynman, que se encontraba entre los
presentes, perdió la paciencia con las interrupciones de Delbrück y
murmuró audiblemente: «Yo lo entiendo, Max. Para mí tiene todo el sentido
del mundo». Delbrück abandonó el aula enojado, el seminario concluyó con
una nota amarga y Karplus terminó por encontrar otro supervisor que lo
puso a trabajar en un tema completamente diferente.
Karplus se convirtió en un experto en el empleo de ordenadores para
simular reacciones químicas y, sobre todo, en simplificar los efectos de la
mecánica cuántica para que tuviera cabida en las rudimentarias máquinas de
la época. Llegados los años setenta, no obstante, estaba algo aburrido de
todo aquello: «Había comprendido qué sucedía con las reacciones químicas
elementales y ya no estaba aprendiendo nada nuevo»[198]. Así las cosas,
volvió a trabajar en el problema que Hubbard había planteado y sobre el
que habían discutido Delbrück y Feynman.
 Junto con sus colaboradores, Karplus fue averiguando poco a poco
cómo representar electrones cuánticos y su efecto en la molécula de retinal.
Sin la mecánica cuántica, los electrones individuales serían como las
bombillas de luz de Holmberg, descritas por su posición y movimiento, lo
que requiere seis números: tres para describir la ubicación en el espacio y
tres para describir la velocidad y la dirección del movimiento. Con la
mecánica cuántica, sin embargo, las posibilidades de dónde puede estar un
electrón son infinitas. No existe una respuesta única al respecto.
Imaginemos que dividimos el espacio alrededor de la molécula en una
cuadrícula de las empleadas en las simulaciones meteorológicas[199]. Ahora,
podremos recrear la posibilidad de que el electrón esté en cada celda de la
cuadrícula, pero eso requiere asignar un número a cada una de ellas.
Además, debido a que el electrón es también una onda, hay que añadir otro
número más, el que corresponde a lo que conocemos técnicamente como la
«fase». Si la cuadrícula contiene cien celdas, por ejemplo, para describir un
electrón será necesario almacenar y manipular doscientos números.
Hasta aquí, el proceso no parece muy diferente al de simular la
meteorología. Las cosas se complican, sin embargo, cuando la simulación
necesita rastrear más de un electrón. La posibilidad de que este esté en
cualquier celda dada depende de la posibilidad de que otro electrón esté en
las vecinas, lo que constituye un ejemplo de una propiedad cuántica más
amplia, conocida como «entrelazamiento». Para tener esto en cuenta, una
simulación necesita almacenar dos números para cada par de celdas. Hay
diez mil formas de emparejar cien de ellas, lo que, sólo en el caso de dos
electrones y cien hipotéticas celdas, nos da un total de veinte mil cifras. El
problema se nos va de las manos cuando queremos recrear situaciones
mucho más grandes y cercanas a la realidad.
El truco consistente en simular moléculas cuánticas sirve precisamente
para reducir esta complejidad y, por suerte, suele ser aplicable. En muchos
problemas, las complicadas cuestiones físicas que plantean los electrones
entrelazados pueden sortearse mediante aproximaciones precisas que
emplean técnicas mucho más simples y que permiten, incluso, ignorar por
completo muchos electrones. En una molécula de retinal hay casi ciento
sesenta electrones, pero la mayoría de ellos llevan vidas bastante aburridas,
orbitando cerca del núcleo del átomo al que están unidos. No necesitamos
una simulación que rastree el comportamiento cuántico de cada uno de
estos electrones, pues, como señaló De Broglie, los núcleos son muy
masivos y conocemos bien cómo se mueven los electrones a su alrededor.
La simulación sólo necesita hacer un seguimiento de los electrones que
están lejos de cualquier núcleo atómico único. Éstos se difuminan en una
nube que puede abarcar grandes partes de la molécula, uniéndolas y
determinando su forma[200].
El equipo de Karplus demostró que el funcionamiento de la molécula de
retinal se puede entender tratando sólo unos electrones tan especiales como
son los cuánticos. La tarea sigue constituyendo un desafío enorme, pero
resulta factible si se emplean trucos computacionales para acelerar el
cálculo. Cuando la luz incide sobre la molécula, los electrones reciben un
estímulo de energía y responden cambiando la forma de su difuminación
cuántica; esto, a su vez, provoca que toda la molécula adopte una forma
diferente. El movimiento resultante crea una reacción en cadena que
culmina con la producción de las señales eléctricas que interpreta nuestro
cerebro. Estas primeras simulaciones cuánticas lograron completar el
cuadro que Hubbard había esbozado décadas antes.
El meollo del asunto consiste en desarrollar trucos para simplificar las
simulaciones, lo que ha merecido la concesión de numerosos premios
Nobel. Aun así, estos atajos no podrán llegar nunca a resolver el problema
del todo. Resultaría mucho más satisfactorio hallar la manera de simular la
mecánica cuántica en un ordenador capaz de abordar directamente los
requisitos de la rotación espiral y de almacenar, sin excesivo esfuerzo, una
representación fidedigna de la difuminación cuántica entrelazada. Algo que
podría estar a nuestro alcance algún día si logramos que los propios
ordenadores sean cuánticos.
LA PROMESA DE LOS ORDENADORES CUÁNTICOS

Simular la física cuántica es complicado porque ni siquiera las partículas

individuales son simples: se difuminan en una neblina conocida como
«función de onda», lo que representa un nivel irreducible de incertidumbre
en la realidad misma. Recrear esta nebulosidad requiere cantidades
exponencialmente crecientes de tiempo y espacio de almacenamiento,
porque se necesitan enormes incrementos en la potencia de un ordenador
para lograr tan sólo un pequeño aumento en el tamaño de la molécula que
se simula. Así, vale la pena estudiar los ordenadores cuánticos tanto por su
potencial para salvar este obstáculo como por la capacidad que tienen de
arrojar más luz sobre la naturaleza de la extraña teoría en que se basan.
Los ordenadores tradicionales no están adaptados en absoluto a la
incertidumbre. Así como las letras en la página de este libro aparecen en un
orden específico e indiscutible, todo en el interior de la memoria de un
ordenador contiene algún dato, como una A o una B. Pero la física cuántica
nos obliga a representar situaciones en las que la incertidumbre ocupa un
lugar central, donde todo lo que podemos decir es «posiblemente A, o
posiblemente B».
Cabe la posibilidad, aun así, de usar letras y palabras definidas para
describir situaciones inciertas. Yo mismo estoy haciendo lo que puedo en
este capítulo por emplear un lenguaje preciso que (espero) tenga un
significado inequívoco, a pesar de estar describiendo un mundo físico lleno
de ambigüedad. De manera similar, un ordenador puede almacenar en su
nítida memoria datos que, sin embargo, representan confusión e
incertidumbre, aunque el procedimiento vaya de algún modo contra su
naturaleza intrínseca. Sería mucho más simple, si no estamos seguros de si
algo es A o B, introducir en el programa de la máquina un solo símbolo
para la combinación de las dos posibilidades (AB).
La idea de la llamada «computación cuántica» consiste en construir una
máquina a partir de componentes que, a diferencia de los ordenadores
tradicionales, puedan almacenar y manipular tales símbolos de la
borrosidad. Dado que la realidad se comporta de manera fundamentalmente
cuántica, el proyecto debería ser factible. Hay que tener en cuenta que, en
verdad, los ordenadores actuales no aprovechan al máximo las capacidades
físicas de sus electrones. Lo más importante es que las nuevas máquinas de
simulación estarían específicamente diseñadas para incluir efectos de
entrelazamiento; esto es, una conexión entre diferentes partículas que, en un
ordenador clásico, resulta imposible intentar recrear. Con la borrosidad y la
interconexión ya integradas en el hardware, y después de que la simulación
desarrolle en el tiempo el típico ciclo de kicks y drifts, los resultados finales
incorporarán automáticamente los efectos cuánticos.
Los fundamentos teóricos de esta idea se establecieron a finales de los
años setenta del pasado siglo y comenzaron a recibir atención generalizada
a partir de una conferencia celebrada en 1981 en el Instituto de Tecnología
de Massachusetts. En el discurso inaugural, Richard Feynman conjeturó que
tales máquinas serían la herramienta perfecta para simular sistemas
cuánticos[201]. Un ejemplo de ellos lo constituyen los electrones que orbitan
alrededor de una molécula, pero la idea era construir una máquina capaz de
simular absolutamente cualquier situación en la que los efectos cuánticos
fueran importantes[202].
Feynman es una figura de culto entre los físicos, venerado tanto por sus
ideas innovadoras como por su extraordinaria capacidad para insuflar vida a
la ciencia y divulgar sus conocimientos a través de lúcidos escritos y
conferencias. Encumbrar a las personas en la categoría de héroes, sin
embargo, siempre es peligroso. Sus propios textos, trufados de anécdotas
informales pero cuidadosamente elaboradas sobre su brillantez intelectual
—⁠y sobre sus desvergonzados intentos de ligar con mujeres⁠—, revelan que
era un narcisista y un misógino, incluso para los estándares de la época[203].
Aun así, sus ideas sobre física poseen un innegable atractivo y son
ineludibles cuando uno trabaja en el campo de la física cuántica. Sus
conjeturas durante aquella conferencia de apertura sobre la importancia de
las máquinas de computación cuántica animaron a toda una generación de
físicos a tomarse en serio esa posibilidad, a pesar de los enormes desafíos
técnicos que entrañaba construirlas.
Una de esas personas fue Seth Lloyd, quien fue más allá de la conjetura
de Feynman y esbozó el diseño de un ordenador cuántico[204]. «Diseño»
funciona aquí como un término amplio, ya que lo que hizo Lloyd fue
explicar la tipología de máquina que sería necesario desarrollar, sin aportar
planos detallados de cómo hacerlo. Hoy en día, sigue sin estar claro hasta
qué punto es factible construir ordenadores cuánticos a gran escala. Aun así,
Lloyd demostró que, en principio, Feynman tenía razón: una sola máquina
bien diseñada podría utilizarse también para simular cualquier escenario
físico concebible en el que entrase en juego la mecánica cuántica. La
cuestión de qué hardware concreto habría que utilizar es casi irrelevante:
podría estar basado en átomos, luz, metales superconductores o en cualquier
otra cosa que tenga un comportamiento cuántico. Esta relativa
independencia respecto a sus componentes evoca las respectivas visiones
que Babbage, Lovelace y Turing tenían sobre los ordenadores tradicionales,
pues lo importante para todos ellos no eran que estuvieran basados en
circuitos eléctricos, en engranajes impulsados por vapor o en cualquier otra
tecnología específica; sino que se tratara de una máquina de uso general que
pudiera realizar cualquier cálculo mediante la aplicación repetida de un
pequeño número de manipulaciones lógicas.
No hay nada que un ordenador cuántico pueda lograr que, en principio,
no pueda ser calculado por una de estas máquinas clásicas ideales. La
cuestión es que toda computadora tiene una memoria limitada y funciona
durante un periodo de tiempo finito, lo que significa que sólo pueden
completar un número restringido de operaciones. La complejidad de la
física cuántica conlleva que incluso la simulación de moléculas simples
tope con esos límites prácticos. De ahí que químicos y biólogos estén
entusiasmados con los ordenadores cuánticos, que podrían romper esas
constricciones gracias al uso directo de los efectos cuánticos.
A pesar de las promesas, lo cierto es que la construcción ha resultado
endiabladamente difícil y prolongada y sólo en tiempos recientes ha sido
posible realizar las primeras simulaciones químicas básicas en una
computadora cuántica real, construida por Google[205]. Se trata de una
hazaña de ingeniería, y la hermosa máquina resultante parece salida de la
imaginación febril de un diseñador de escenarios de ciencia ficción. Está
formada por una serie de plataformas de reluciente metal de un metro de
altura, suspendidas verticalmente desde arriba y separadas por conductos y
cables enrollados con esmero. Gran parte del aparato consiste en un
elaborado congelador que enfría su núcleo hasta unas pocas fracciones de
grado por encima de la temperatura más fría posible, el cero absoluto. Los
ordenadores cuánticos son tan delicados que sus operaciones pueden verse
fácilmente alteradas por el calor, y es aquí, en el núcleo, donde se realizan
los cálculos, dentro de un dispositivo no más grande que el chip de un
ordenador normal.
La máquina es «ruidosa» en el sentido de que comete errores en sus
cálculos porque su tecnología es muy difícil de perfeccionar. Estos
ordenadores siguen siendo útiles para ejecutar cierto número de
simulaciones, pero no cumplen la visión de Feynman. Los ordenadores
cuánticos libres de ruido aún no han superado las etapas de diseño y los
expertos difieren a la hora de vaticinar cuándo serán una realidad. Hablar de
décadas sería una predicción optimista[206].
No obstante, tarde o temprano podremos simular moléculas mucho más
grandes de las que recreamos en la actualidad con los más potentes
ordenadores tradicionales. Y tal vez llegue el día en que los ingenieros sean
capaces de construir ordenadores cuánticos en los que ya no sea necesario
el elaborado procedimiento de enfriamiento, abriendo así la posibilidad de
que cualquier persona lleve uno en el bolsillo[207]. No está claro si estas
máquinas tendrán futuro más allá de unas pocas aplicaciones
especializadas, pero no sería prudente cerrarse a otras posibilidades. Basta
pensar en nuestros teléfonos móviles, cuyo origen está en aparatos militares
de los años cuarenta que tenían el tamaño de una habitación. Lo imposible
tiene la costumbre de volverse posible; lo posible, de volverse deseable; y
lo deseable, de volverse ubicuo.
Nadie en mi propio gremio espera que los ordenadores cuánticos vayan
a revolucionar a corto plazo las simulaciones del universo, pero al mismo
tiempo sería un error imaginar que el universo es inmune a la difuminación
cuántica. De hecho, las mejores teorías sobre lo que sucedió en la primera
fracción de segundo del cosmos sugieren que el universo es, en su conjunto,
tan borroso e incierto como los electrones de Karplus. Parece difícil de
creer que la bien conocida solidez de los planetas, las estrellas y las galaxias
pueda ser una ilusión, pero eso es exactamente lo que un audaz estudiante
de posgrado, Hugh Everett III, afirmó en 1957. Y son cada vez más los
cosmólogos que están de acuerdo con él.

LAS REALIDADES CUÁNTICAS

Durante gran parte de su carrera, Everett estuvo dedicado a desarrollar

simulaciones de guerra nuclear; no de bombas individuales, sino de la
estrategia más amplia sobre dónde y cuándo atacar. Como parte de un
equipo de élite de matemáticos y físicos empleados por las ramas más
turbias del Gobierno de Estados Unidos, Everett elaboró realidades digitales
que incluían muerte y destrucción a escalas inimaginables. Sobre la base de
estas simulaciones, muchos en el círculo de Everett abogaron por realizar
ataques preventivos contra la URSS en el mundo real, no porque el
resultado pudiera ser positivo para Occidente, sino porque sería todavía
peor para los soviéticos. Por suerte, nunca convencieron a los políticos de
que atacaran, pero resulta evidente que Everett poseía una capacidad casi
inhumana para distanciarse de la realidad. Antes de morir, en 1982, dejó
instrucciones expresas a su esposa para que arrojara sus cenizas a la
basura[208].
Décadas antes, en 1957, Everett era un joven doctorando que trabajaba
junto a John Wheeler, aficionado a los agujeros de gusano, mientras
dedicaba sus esfuerzos a intentar comprender las implicaciones de la
mecánica cuántica para el universo en su conjunto. Si las moléculas, los
átomos y las partículas subatómicas se regían por la física cuántica, el
cosmos que habitan y configuran también tenía que verse afectado por las
mismas leyes. Uno podría desear que los efectos cuánticos tuvieran un
impacto muy limitado en los fenómenos a gran escala, como sucede con los
transistores, pero ahora puedo explicar por qué esta reconfortante línea de
razonamiento —⁠por la que los efectos extraños y desconcertantes quedarían
reducidos a las escalas microscópicas⁠— no resiste un escrutinio riguroso.
Imaginemos una hipotética simulación meteorológica del futuro lejano
que recrea las innumerables moléculas que componen la atmósfera, pero
deja de lado la mecánica cuántica. Supongamos, a continuación, que
editamos el programa alterando la posición de una sola molécula. Al
principio, el cambio tendrá un efecto insignificante, pero recordemos el
ejemplo de la mariposa de Edward Lorenz, mencionado en el capítulo 2: las
pequeñas diferencias pueden amplificarse gradualmente hasta determinar un
patrón climático completo. Una molécula es mucho más pequeña que el ala
de una mariposa, pero eso sólo significa que su efecto tardará más en
amplificarse; sigue teniendo el poder de modificar el futuro lejano. De
modo que las diferentes versiones de esta simulación harían predicciones
meteorológicas diferentes a uno o dos meses vista. Puede que, en algunas
ellas, un huracán asolé Nueva York, mientras que en otras, el huracán pase
de largo o ni siquiera llegue a formarse.
El ejemplo es sólo otra forma de ilustrar la dificultad de hacer
pronósticos, pero la mecánica cuántica añade una gran vuelta de tuerca al
asunto. Según De Broglie y Heisenberg, las moléculas individuales en
realidad no tienen posiciones perfectamente definidas. No es sólo que nadie
conozca su ubicación, sino más bien que todas ellas tienen un grado
intrínseco de borrosidad. Y si la situación inicial de una molécula está
difuminada en diferentes posiciones, todos los posibles efectos
meteorológicos asociados deben ocurrir en conjunto, simultáneamente. Es
decir, un huracán puede golpear y no golpear Nueva York a un mismo
tiempo.
La afirmación nos choca porque nos parece imposible que pueda ser
correcta. El tiempo meteorológico puede cambiar, pero en cualquier instante
determinado y en cualquier lugar, la experiencia nos dice que o bien hay un
huracán, o bien no lo hay; la idea de que ambas cosas estén pasando al
mismo tiempo no tiene un significado obvio para nosotros. Pero el
problema se complica todavía más. En el espacio exterior, y debido al caos,
las alteraciones microscópicas en la precisa estructura de las nubes de gas
pueden determinar que se forme una nueva estrella o un planeta, o que la
nube se evapore y regrese ignominiosamente al cosmos. Siguiendo la
misma lógica, la combinación de mecánica cuántica y caos parece
introducir la incertidumbre no sólo en la meteorología, sino en la existencia
de planetas, estrellas y galaxias enteros.
 Everett estaba bastante familiarizado con esa conclusión, pero la
intuición y el sentido común nos hacen pensar que en ese relato falta algo
crucial. Los pioneros cuánticos, en particular John von Neumann (a quien
ya presenté como desarrollador de bombas nucleares y simulaciones
meteorológicas), creían a pies juntillas que la borrosidad cuántica era un
fenómeno que acontecía fundamentalmente a pequeña escala. Por eso, y
dada la tendencia del caos a amplificar las más mínimas diferencias,
inventaron mecanismos especiales para tratar de controlar esa nebulosidad y
mantenerla confinada en ese ámbito.
El principio central de esa concepción tradicional de la mecánica
cuántica es que la borrosidad es conmutable: a veces está activada y otras
veces tiene que estar desactivada. Un diminuto electrón, por ejemplo, se
mueve en una suerte de neblina durante la mayor parte del tiempo, pero si le
hacemos una foto con un dispositivo con suficiente sensibilidad, la partícula
aparecerá en una única ubicación exacta. Si bien no se trata de fotografías
en el sentido habitual del término, lo cierto es que existen máquinas capaces
de registrar la presencia de un solo electrón y de mostrar un solo punto[209].
Sin embargo, hay una gran cantidad de otros experimentos (por no
mencionar el campo de la química en general) que sólo tienen sentido si los
electrones permanecen la mayor parte del tiempo en ese estado de
borrosidad. Debe, por tanto, existir una transición de borroso a definido, y
es lo que se conoce como «colapso de la función de onda». Von Neumann
supuso que éste se producía «tan pronto como […] se hace una
medición»[210]. Una vez el aparato deja de medir, el electrón se torna
gradualmente borroso de nuevo, expandiéndose desde la ubicación
observada[211].
No está claro cómo extrapolar esta visión tradicional de la mecánica
cuántica al caso de la meteorología. Presumiblemente, la formación de un
huracán ha de sufrir un colapso de la función de onda en algún momento
para que el proceso tenga un resultado unívoco, pero no podemos
especificar cuándo, por qué ni cómo. ¿Habría que medir con algún aparato
la evolución de la tormenta? ¿A qué se refería exactamente Von Neumann
con «medición»? ¿Qué determina que una partícula pase de un estado
borroso a uno definido? Estas controvertidas cuestiones han dado lugar a
algunas de las especulaciones más audaces de la física, propuestas que a mí
me suenan algo místicas, pero que fueron formuladas con total seriedad por
investigadores prestigiosos.
Un ejemplo es el de Eugene Wigner, físico y matemático ganador del
Premio Nobel que creía que la física cuántica estaba estrechamente
relacionada con la conciencia[212]. Formuló la hipótesis de que la realidad
concreta existe sólo porque hay criaturas conscientes midiéndola; una
versión radical de la escuela filosófica conocida como «idealismo». Aunque
existe una forma menos cruda del mismo, con la que no tengo ningún
problema, que afirma que nuestra experiencia de la realidad es inseparable
de nuestras mentes, pero Wigner sostenía que la realidad en sí misma está
subordinada a la mente, hasta un extremo que me cuesta tomar en serio[213].
El director de investigación de Everett, John Wheeler, se mostraba
ambivalente respecto del estatus especial que Wigner asignaba a la
conciencia, pero insistía a su vez en la idea de que la historia del universo
en su conjunto está determinada retrospectivamente por las observaciones
del mismo que los humanos eligen hacer. «El equipo que opera aquí y ahora
—⁠escribió⁠— desempeña un papel innegable en el aparente resultado»[214].
Aunque hablamos de personas muy inteligentes, cuyos puntos de vista
deberíamos hacer un esfuerzo por comprender, estas proposiciones
generales se antojan incompletas y antropocéntricas.
Con algo más de sobriedad, el físico matemático británico sir Roger
Penrose ha señalado la gravedad como el posible mecanismo físico que
anula la borrosidad cuántica cuando se trata de objetos suficientemente
grandes[215]. Esta proposición y otras similares resultan mucho menos
desconcertantes y en la actualidad se están intentado probar en los
laboratorios[216]. Con todo, lo que estos experimentos sí han confirmado ya
es que la velocidad aparente a la que el proceso de colapso se propaga por
el espacio, disolviendo la borrosidad, es superior a la de la luz[217], algo que
no encaja con la teoría de la relatividad, que considera la velocidad de la luz
como un límite absoluto.
En resumen, cualquiera que sea la forma en que intentemos explicar el
colapso de la función de onda, las consecuencias no se ajustan a la física tal
y como la conocemos. Eso es lo que llevó al alumno de Wheeler, Everett, a
preguntarse si el colapso es real. La genialidad de su propuesta fue
reconciliar borrosidad y certeza, al sugerir que la experiencia de una
persona que habite en un mundo borroso tendría una apariencia tan concreta
como la nuestra; el colapso parecerá tener lugar, incluso si en realidad no lo
tiene.
Para lograr esta ilusión, Everett reformuló la borrosidad como una serie
de universos alternativos superpuestos entre sí[218]. En el interior de cada
uno, las cosas parecen ciertas, pero, tomados en conjunto, los universos
constituyen un «multiverso» con un abanico de posibilidades, en lugar de
una realidad única y definitiva. Por decirlo con mayor precisión, los
universos individuales, como el que parecemos habitar, ofrecen sólo una
visión parcial de la realidad, son como una sombra de la papilla cuántica
esencial[219].
Uno de los pioneros de la computación cuántica, David Deutsch, ha
señalado que, en la descripción de Everett, la extraordinaria potencia de los
ordenadores cuánticos se debe a una razón clara: los símbolos borrosos de
estas máquinas hacen uso de los universos superpuestos para realizar
múltiples cálculos simultáneamente, a diferencia de los ordenadores
tradicionales, que se basan en un único universo[220]. Es decir, si Everett
está en lo cierto, tu portátil existe en múltiples universos, pero no tiene
forma de establecer comunicación entre ellos. Al igual que nuestra
percepción, que se ciñe a una sola realidad, la máquina no puede acceder a
nada de lo que sucede en los mundos paralelos. Y no se trata esto de una
pura suposición: existe un efecto matemáticamente demostrable y conocido
como «decoherencia» que hace que sea casi imposible acceder a la
información de las realidades alternativas, incluso si están presentes. Una
computadora cuántica, por otro lado, está diseñada para evitar la
decoherencia y, por lo tanto, para hacer un uso astuto de varios mundos
paralelos a la vez. Desde el punto de vista de Everett y de Deutsch, el
verdadero reto de construir un ordenador cuántico estriba precisamente en
la necesidad de mantener la comunicación entre estos mundos paralelos.
Incluso aunque tenga sentido lógico y cuente con defensores de
prestigio, la afirmación de Everett de que la borrosidad de la mecánica
cuántica se corresponde con todo un multiverso de realidades posibles es
profundamente desconcertante. Parece entrañar un derroche extraordinario
de universos. ¿Acaso no es suficiente con uno?
Quizá no: creo que debemos desconfiar del instinto humano en estos
asuntos. En el siglo XVI existía un ferviente apego a la idea de que la Tierra
era el centro del universo. A principios del siglo XX, eminentes astrónomos
argumentaron con gran vehemencia que no existían galaxias más allá de la
nuestra. Así que sospecho que muchos de los argumentos esgrimidos en
contra del multiverso cuántico son sólo una muestra más de una costumbre
muy humana: tratar de negar nuestra irritante insignificancia[221].

LA COSMOLOGÍA CUÁNTICA

La física cuántica describe una realidad completamente diferente del mundo

cotidiano que habitamos. Los objetos microscópicos individuales consisten
la mayor parte del tiempo en una suerte de neblina difusa, pero pueden
cobrar nitidez cuando un observador decide mirarlos. La solución de
Everett para tratar de entender esta descripción consiste en imaginar esta
papilla cuántica como un conjunto incalculable de universos paralelos, de
los cuales sólo llegamos a experimentar uno. Por muy extravagante que
parezca, la idea de Everett me parece mejor que otras alternativas que
conllevan la formulación de nuevas leyes físicas o incluso atribuir un papel
especial a la conciencia en la determinación de la realidad objetiva.
La teoría de Everett implica que, después de todo, los efectos cuánticos
no se limitan a la escala microscópica, sino que se extienden por todo el
universo y más allá, si uno sabe cómo buscarlos. Esta línea de pensamiento
alentó a los físicos a aplicar las leyes cuánticas a todo el cosmos, algo que,
de hecho, resulta clave para dar sentido a las simulaciones.
Recordemos que, como vimos en el capítulo anterior, el universo se está
expandiendo y que, en algún momento del pasado, tuvo un tamaño igual a
cero: en el Big Bang. Nuestras simulaciones no pueden comenzar con el
propio Big Bang porque el universo tendría una densidad, una presión y una
tasa de expansión infinitas. Las ecuaciones de la relatividad general fallan
cuando se aplican a resolver todos estos infinitos, y entonces el resultado se
conoce como «singularidad». Al igual que sucedía con las simulaciones de
agujeros negros, en las que se recurría a los exóticos agujeros de gusano
para evitar que aparecieran las singularidades centrales, la del Big Bang
tiene que evitarse de alguna manera también. Con todo, las dificultades no
son tantas, ya que en el caso del Big Bang los cosmólogos sitúan el inicio
de la simulación en algún momento posterior a los instantes iniciales del
universo. Por lo general, elegimos el punto de partida alrededor del 0,1 por
ciento de sus trece mil ochocientos millones de años.
La desventaja de esta solución es que necesitamos condiciones iniciales
que representen adecuadamente el estado del universo en ese momento
posterior al Big Bang (de la misma manera que las simulaciones
meteorológicas deben partir de mediciones precisas de la atmósfera en el
presente para predecir su estado al día siguiente). Si el universo surgió
realmente de una singularidad, no existe, por definición, una ley que nos
diga cuáles tuvieron que ser esas condiciones iniciales. Sin embargo,
tratándose de lo opuesto a lo predecible, la mayoría de los cosmólogos
conjetura que se trataría de un escenario tremendamente errático[222]. Puede
que algunas regiones cósmicas fueran frías y desoladas, y otras calientes y
densas. Ni siquiera podemos dar por sentado que las mismas leyes físicas
imperaran en todas partes. Lo más probable es que algunas regiones sí
estuvieran regidas por las leyes que nos son familiares, pero que otras,
mucho más desordenadas, lo estuvieran por unas completamente diferentes.
Estas condiciones parecen alejarse de las de nuestro universo, que
podríamos describir hasta cierto punto como monótono. Ningún barrio
cósmico parece diferenciarse mucho de los demás: los planetas, las estrellas
y las galaxias son, hasta donde sabemos, similares en todas partes. Eso no
quiere decir que todas las galaxias sean idénticas, ya que su tamaño, su
color y su forma varían, aunque no en exceso, de una región a otra. Pero
todas parecen ceñirse a las mismas leyes físicas, y están compuestas por la
misma combinación de gases y materia oscura.
Es como un pastel con frutas: una inspección minuciosa puede revelar
que algunas porciones tienen más pasas y que otras tienen más cerezas, pero
la consistencia general es uniforme. La cuestión es que, tras la singularidad
del Big Bang, no existe un mecanismo obvio que haya determinado esta
homogeneidad. De hecho, lo más probable hubiera sido que alguna porción
terminara con un montón de pasas, otra con un exceso de albaricoques y,
contra todo pronóstico, alguna otra con un huevo revuelto.
La mecánica cuántica es nuestra mejor esperanza a la hora de introducir
en las simulaciones unas condiciones iniciales fundadas en principios y,
desde luego, es una herramienta que nos proporciona nuevas perspectivas.
En primer lugar, nos muestra que las ecuaciones de la relatividad general
estaban destinadas desde un principio a resultar insuficientes, ya que la
teoría no engloba la incertidumbre ni el entrelazamiento, dos nociones que
los físicos saben ahora que son cruciales. Si pudiéramos incluir
adecuadamente los efectos de la mecánica cuántica en los modelos, la
singularidad podría ser reemplazada por algo más manejable. Un intento en
esa dirección es la propuesta de un universo sin límites, conocida como
«estado de Hartle-Hawking», que Stephen Hawking hizo célebre en su libro
Breve historia del tiempo. Para él y su colega James Hartle, la singularidad
del Big Bang era como una barrera física para el tiempo en sí; la mecánica
cuántica la curvaría de tal modo que no tendría un punto de partida definido
y, por lo tanto, tampoco singularidad.
Con todo, la propuesta sigue siendo sólo eso, una propuesta, y sus
implicaciones continúan debatiéndose. En la práctica, hasta ahora no ha
proporcionado mucha información útil para la cosmología observacional o
computacional, en parte porque no contamos con una descripción coherente
de la gravedad cuántica, es decir, de la unión entre la gravedad descrita por
Einstein en su teoría de la relatividad general y la mecánica cuántica.
Estas teorías son particularmente difíciles de combinar. Por ejemplo, la
existencia de los agujeros negros parece contradecir una parte de la teoría
cuántica: los primeros se tragan partículas junto con la información que
transportan sobre el universo que las produjo, mientras que la segunda
implica tajantemente que la información no se puede perder en ningún caso
de esa manera. Los expertos llevan décadas intentando eludir estas
dificultades y proporcionar una descripción viable de la gravedad cuántica,
lo que ha originado una verdadera explosión de hipótesis que incluyen,
entre otras, la teoría de cuerdas, la gravedad cuántica de bucles y los
conjuntos causales. Las ideas no escasean, pero sí los resultados concretos
aplicables a la cosmología.
Por suerte, existe una segunda perspectiva cuántica sobre el universo
temprano que ha contribuido mucho más al debate en términos de
predicciones comprobables y, de nuevo, viene con aportaciones cruciales de
Hawking. En lugar de recurrir a la estrategia del universo sin límites,
consistente en reemplazar la singularidad por completo (algo que depende
de una física que nadie entiende aún), una hipótesis alternativa considera
que nuestro uniforme universo habría surgido independientemente de lo que
hubiera sucedido en los momentos iniciales.
Si bien esta propuesta se basa en elementos de la teoría cuántica y la
relatividad general, no requiere que ambas estén en absoluta consonancia.
Su brillantez radica en aplicar las teorías a aspectos distintos y mutuamente
excluyentes del cálculo, sin hacer grandes suposiciones sobre cómo
deberían combinarse en última instancia. Voy a explicar este cálculo con
cierto detalle, porque es el mejor enfoque del que disponemos en la
actualidad para comprender cuáles deberían ser las condiciones iniciales de
las simulaciones; un enfoque que sugiere que los efectos cuánticos
impregnan toda la estructura del universo.

LA INFLACIÓN

En 1980, el cosmólogo Alan Guth andaba reflexionando sobre la forma en

que la materia y la energía cambian a medida que envejece el universo. El
hielo no puede existir por mucho tiempo a temperatura ambiente porque se
convierte en agua. El agua no durará demasiado si se hierve porque se
convierte en vapor. Guth, no obstante, sabía que las fases de la materia se
extienden mucho más allá de estos estados cotidianos. El físico teórico
Steven Weinberg ya había aventurado que incluso las partículas
subatómicas como los electrones, los neutrinos y los fotones dejan de existir
a temperaturas lo suficientemente altas para convertirse en un tipo de
energía más pura. Guth sugirió que, a temperaturas todavía más elevadas,
cualquier partícula restante pierde su identidad y se convierte en una forma
abstracta conocida como «condensado de campo escalar», un fenómeno que
sólo es posible en la física cuántica. Si esa teoría fuera correcta, según los
cálculos de Weinberg, después del Big Bang el universo habría entrado en
una fase en la que su escala se duplicó aproximadamente cada 10-
35 segundos, impulsado por esta extraña forma de energía. Tal

comportamiento se conoce como «expansión exponencial».

Los campos escalares no son del todo hipotéticos; su existencia fue
indirectamente confirmada cuando el Gran Colisionador de Hadrones
detectó, en 2012, el bosón de Higgs, una partícula que está asociada con un
campo escalar. Pero lo que no sabemos a ciencia cierta es si hay algún
campo escalar que se comporte como haría falta para originar la expansión
temprana del universo. Alan Guth supuso que podría haberlo habido y
analizó las consecuencias derivadas de esa hipótesis.
En persona, Guth es cercano y algo irónico, rasgos que resuenan en el
nombre que propuso para este hipotético periodo inicial del cosmos:
«inflación». El término es un guiño al otro gran factor exponencial de
nuestra vida: el aumento del coste de la vida. Según el Banco de Inglaterra,
veinte libras esterlinas en 2021 sólo daban para comprar lo que se compraba
con diez libras esterlinas en 1990[223], un dato que arrojaría un ritmo de
duplicación de treinta y un años (si bien esa tasa se ha acelerado de manera
mucho más preocupante en los últimos tiempos). En la Alemania del
periodo de entreguerras, el aumento de la inflación fue catastrófico: los
precios se duplicaron veintinueve veces sólo durante el año 1923[224]. Este
último ejemplo ayuda a comprender un poco mejor lo espectacular de la
inflación cósmica.
A diferencia de la financiera, sin embargo, la velocidad de la inflación
cósmica es un fenómeno positivo para los físicos porque mitiga las
consecuencias problemáticas de la singularidad inicial. Para que la idea de
Guth se sostenga, la inflación debe prolongarse durante un mínimo de
noventa duplicaciones, después de lo cual la tasa de expansión disminuye
drásticamente. Hoy en día, el universo duplica su escala sólo cada diez mil
millones de años más o menos, un ritmo mucho más pausado[225]. Debido a
este contraste, la inflación cósmica suele describirse como un breve y
brusco estiramiento del universo acaecido al principio de su historia, capaz
de enderezar cualquier pliegue y arruga para configurar un espacio regular y
uniforme.
Pero, aunque esta descripción aporte cierta satisfacción intuitiva, sólo
captura una parte de la historia. Para comprender el poder real de la
inflación, lo mejor es imaginar el relato cósmico al revés, convirtiendo la
expansión en contracción. Así, durante el periodo que antes correspondía a
la inflación, la escala general del universo se reduciría a la mitad cada 10-
35 segundos, más o menos. Pero la mitad de algo nunca equivale a la nada.

Del mismo modo que no podemos hacer desaparecer una hoja de papel
cortándola por la mitad, a medida que nos remontamos hacia atrás en el
periodo de inflación, el espacio es cada vez más pequeño, pero su tamaño
nunca es igual a cero. Por el contrario, la historia invertida de un universo
en el que no haya inflación sí podría alcanzar el tamaño cero (esto es, la
singularidad) sin dificultad alguna.
Desde la perspectiva invertida, la inflación hace retroceder la
singularidad apenas un poco más en nuestro pasado. Los cálculos que
ignoran esta hipótesis predicen que el universo observable en la actualidad
se expandió originalmente de cero al tamaño de un balón de fútbol en
menos de 10-35 segundos. Los cálculos que sí incluyen la inflación
multiplican ese tiempo por alrededor de cien, ya que cada reducción a la
mitad habría tardado lo mismo y se habrían producido al menos noventa de
ellas. (Los cálculos son, por supuesto, mucho más complicados y existe una
incertidumbre considerable acerca de las cifras precisas, pero esto nos da un
sentido general del efecto).
Hablamos aquí de periodos excepcionalmente cortos todavía, pero, aun
así, un aumento de unos 10-35 segundos a, al menos, 10-33 tiene importantes
repercusiones. Imagina que un soplador de vidrio está creando un jarrón a
partir de distintos fragmentos con una abigarrada mezcla de colores (una
analogía algo vaga para describir el grado de desarticulación que se le
supone a la singularidad). En la descripción tradicional del Big Bang, el
jarrón se infla en tan poco tiempo que no hay margen para que los colores
se mezclen; éste sería el universo impredeciblemente variado que mencioné
antes, en el que cada parte del jarrón sigue siendo muy diferente de las
demás. Pero el incremento centuplicado del tiempo que ofrece la inflación
permite que los colores fluyan juntos y produzcan un resultado mucho más
uniforme. Este vidrio ligeramente moteado se corresponde mejor con el
homogéneo cosmos que parecemos habitar.
Si la historia de la inflación concluyera ahí, no sería más que una teoría
ingeniada para explicar lo que ya sabíamos: que las diferentes partes del
espacio son bastante similares entre sí. Pero hay algo más. Las leyes de la
mecánica cuántica impiden que la inflación genere un universo
perfectamente regular. El principio de incertidumbre requiere que haya
ligeras variaciones, de modo que cada pequeña parte del incipiente universo
contenga un poco más o un poco menos de materia que sus vecinas. Dicho
de otro modo, aunque los colores de nuestro jarrón imaginario aparezcan
bien mezclados, quedarán también rastros dispersos de esa irregularidad.
Como he mencionado antes, cuanto más lejos esté lo que observamos en
el cosmos, más tiempo habrá tardado la luz en llegar hasta nosotros. Con el
tipo adecuado de telescopio, es posible encontrar radiación casi tan antigua
como el propio universo, un resplandor conocido como «fondo cósmico de
microondas». Las fluctuaciones de esta luz (incrementos y reducciones en
su intensidad) se empezaron a medir a partir de la década de 1990 y
coinciden maravillosamente bien con las predicciones hechas en 1982 en
base a la inflación por varios físicos, incluidos Stephen Hawking y Alan
Guth[226].
Una forma de visualizar la escala de las variaciones previstas es pensar
en las ondulaciones de la superficie de un mar en calma. El agua tiene
kilómetros de profundidad, pero las ondas que se forman en la parte
superior tienen de dos a cinco centímetros como máximo y son apenas
perceptibles. Ahora bien, si incluimos esta clase de ondas diminutas en
simulaciones con materia oscura, la gravedad se hace con el control y las
ondas dan lugar a galaxias y la vasta estructura de la red cósmica a nuestro
alrededor. Dado que la formación de estrellas y del sistema solar sólo pudo
producirse en el interior de una galaxia preexistente, podemos concluir que
el conjunto de lo que vemos, incluido todo lo que hay en la Tierra,
probablemente debe su existencia a efectos cuánticos aleatorios acaecidos
en la primera fracción de segundo del universo. La mecánica cuántica, la
gravedad, la materia oscura, el fondo cósmico de microondas, la red de
galaxias y nuestra propia existencia; todo ello aparece hermosamente unido
en esta visión.
Los cálculos efectuados en 1982 no determinaron con precisión qué
aspecto tendrían esas ondas —⁠eso hubiera contravenido lo estipulado por la
incertidumbre—, pero sí hicieron predicciones sobre su tamaño y su forma
medios. La diferencia entre ambos aspectos es parecida a la existente entre
predecir dónde se encuentran cada cresta y cada valle de una onda en la
superficie de un océano —⁠algo claramente imposible⁠— y elaborar un
cálculo aproximado sobre cuántas crestas y valles podemos encontrarnos, a
qué altura y a cuánta distancia están entre sí. La inflación cuántica sólo nos
permite realizar esta clase de predicciones, brindándonos un resumen de los
tipos de onda que cabe hallar (conocido por los expertos como «espectro de
potencia»), pero no los detalles de las ondas particulares existentes en
nuestro universo.
Y he ahí lo que nos trae de cabeza a quienes trabajamos con
simulaciones cósmicas. Partimos en busca de las condiciones iniciales de
nuestro cosmos con la esperanza de que, como sucede con las simulaciones
meteorológicas, si lográbamos recrear de manera precisa el universo
temprano, nuestros modelos informáticos predecirían todo lo sucedido a
continuación: por qué se da una combinación particular de tipos de galaxia,
qué determina las características de cada una o cómo llegó a existir la Vía
Láctea. En resumen, buscábamos una historia única y definitiva para poder
ubicarnos dentro del contexto cósmico, pero nos encontramos con una
suerte de espuma cuántica aleatoria, descrita por un resumen del espectro de
potencia.
Los cosmólogos ven esta espuma como ondas específicas en el fondo
cósmico de microondas, y como un conjunto específico de galaxias que nos
rodean aquí y ahora. Pero la realidad, si hemos de creer a Hugh Everett, no
consiste sólo en un universo, sino en una infinidad de universos que
contienen todos los conjuntos de ondas congruentes con el espectro de
potencia, lo que a su vez implica todos los conjuntos posibles de galaxias,
estrellas y planetas. Dentro de esta colección de universos factibles, cada
uno evoluciona según la serendipia de sus propios patrones aleatorios.
Dicho de otro modo, nuestro universo específico fue originado por el
lanzamiento de múltiples dados y no tenemos forma de saber qué resultados
exactos arrojaron cada uno de ellos, por lo que no hay forma tampoco de
recrear con precisión cómo comenzó todo. Antes incluso de que podamos
empezar a ubicar nuestra propia historia, tenemos que simular la
multiplicidad de diferentes posibilidades[227].
¿Cómo vamos a hacer frente a la simulación de semejante papilla?
Puede que el progreso constante de la computación cuántica revolucione
algún día la química computacional, pero es poco probable que acuda
también al rescate de los simuladores cosmológicos. La naturaleza de
nuestro problema cuántico es muy diferente, porque el universo es
abrumadoramente complejo si lo comparamos con una molécula. Así, para
sernos útiles de verdad, los ordenadores cuánticos tendrían que ser mucho
más potentes todavía. Es posible que nunca alcancemos este nivel de
sofisticación y, desde luego, no es algo que vaya a suceder mientras yo
viva.
Mientras tanto, las simulaciones realizadas por ordenadores
tradicionales sólo pueden recrear uno de los universos posibles y tienen que
olvidarse de los demás. Y ese cosmos virtual individual no será idéntico al
nuestro en todos sus detalles, ya que los dados seguramente arrojarán un
resultado diferente. Dicho esto, cabe añadir que la aleatoriedad no implica
una completa imprevisibilidad. Y esto es algo que podemos observar en
situaciones cotidianas. Por ejemplo, si lanzamos dos dados y sumamos
ambos resultados, sabemos que sacar un doce (que requiere un doble seis)
es más difícil que sacar un siete (que se puede obtener con varias
combinaciones, como seis y uno, o cinco y dos). Por tanto, es legítimo
preguntarse qué tendencias y regularidades emergen de los procesos
aleatorios del universo, aunque sea imposible lograr una recreación exacta.
De ahí que muchos astrónomos no se fijen demasiado en los detalles de
las galaxias individuales, sino en la combinación general de tamaños,
formas, colores, luminosidad, etc. Si calculamos en una sola simulación
todos estos parámetros relativos a todas las galaxias existentes en vastas
regiones cósmicas, luego podemos compararlos con los datos obtenidos de
observaciones de regiones igualmente grandes del universo real. No se trata
de verificar un parámetro cada vez, ya que también podemos comprobar la
correlación de las diferentes propiedades (entre el tamaño y el número de
estrellas, por ejemplo, o entre la forma y el color). Este método de
verificación se ha aplicado con mucho éxito en años recientes y el conjunto
de galaxias virtuales concuerda hoy en general notablemente con la
realidad[228]. Lo que simulamos de este modo es más parecido al clima que
al tiempo meteorológico, es decir, verificamos patrones generales de
nuestro cosmos particular, en lugar de detalles específicos.
El éxito de esta empresa no se traduce automáticamente en
conocimiento. Si el propósito de una simulación es interpretar y
comprender el universo real, recrear tendencias no resulta especialmente
valioso en sí mismo; lo relevante es señalar su razón de ser. En el capítulo
3, expliqué cómo las simulaciones lograron reproducir las sombras de
tenues galaxias fragmentarias procedentes del universo primitivo. Ese
avance sería bastante anodino si la subcuadrícula de la simulación se
hubiera ajustado específicamente para lograr tal coincidencia. Pero no fue
así: lo emocionante fue descubrir cómo los procesos de subcuadrícula
diseñados para comprender las galaxias del universo actual servían también
para interpretar a sus ancestros lejanos. El valor científico del estudio de
tendencias en las simulaciones consiste en establecer tales relaciones, no en
reproducir las tendencias porque sí.
En sentido estadístico, este estudio puede ser muy fructífero, pero las
revelaciones que puede aportar tienen un límite. No existe ninguna galaxia
media, como tampoco existe el humano medio. Por otro lado, y esto es más
peligroso, las tendencias no implican necesariamente una relación directa
(«correlación no implica causalidad», reza el aforismo). Esto se puede
ilustrar de muchas maneras. Por ejemplo, las personas que compran en
Harrods tienden a ser ricas, pero eso no significa que ser rico te haga
comprar allí ni, desde luego, que comprar en Harrods te haga rico (en todo
caso sería más bien al revés). Del mismo modo, si las tendencias de las
galaxias simuladas concuerdan con las de la realidad, no hay que sacar
conclusiones precipitadas sobre el porqué de tales relaciones. Para
comprender qué hace que las galaxias sean únicas necesitamos adoptar otro
enfoque.
EXPERIMENTOS CON SIMULACIONES

En 2016, mis colegas Nina Roth e Hiranya Peiris y yo empezamos a

preguntarnos si, a pesar de la aleatoriedad cuántica, podríamos encontrar
formas de profundizar un poco más en las conexiones causales entre el
universo primitivo y el tardío, es decir, en por qué todo resulta ser como
es[229]. Peiris colabora conmigo desde hace mucho tiempo, tiene una
intuición inmensa y un don para formular grandes preguntas. Roth era
investigadora posdoctoral en el grupo de Peiris y había desarrollado hacía
poco un código informático capaz de generar condiciones iniciales
adecuadas para simulaciones cosmológicas. Como sucede con esa clase de
códigos, contenía un generador de números aleatorios, un método para crear
un universo específico a partir de la multiplicidad predicha por la mecánica
cuántica. Lo que pensamos fue que, si bien la inflación nos dice que el
universo temprano produjo resultados aleatorios, no hay ninguna necesidad
de que las simulaciones hagan lo mismo.
Imaginemos que queremos conocer los posibles resultados del juego de
mesa Serpientes y escaleras; en lugar de tirar los dados directamente,
podríamos preguntarnos: ¿qué pasaría si sacara un seis? ¿Y si sacara un
cinco? Podríamos incluso probar en alguna partida lo qué sucedería en
ambos escenarios. Esto implica saltarse las reglas, pero nos ayuda a
comprender mejor el rango de resultados posibles.
Alterar las condiciones iniciales de una simulación para que ya no sean
completamente aleatorias es como realizar este tipo de experimento
hipotético dentro de un cosmos virtual. En lugar de aceptar las restricciones
del azar, Roth adaptó su código para manipular las estadísticas cuánticas del
universo primitivo, elaborando una serie de alternativas. E incluso después
de haber simulado nuestras galaxias una vez, nos preguntamos: ¿cómo
serían en un universo donde las ondas fueran ligeramente diferentes?
¿Cómo se desarrollaría la historia cósmica en otros escenarios alternativos?
El nombre con que hemos bautizado este método es «modificación
genética», en referencia a los experimentos en los que los biólogos toman
los genes de una especie y los empalman con el ADN de otra para estudiar
el organismo resultante. De manera similar, podemos «editar» el universo
primitivo y luego realizar nuevas simulaciones para estudiar cómo se
desarrollan las galaxias modificadas, comparándolas con la versión original
para comprender los cambios. Las leyes de la mecánica cuántica no ofrecen
forma alguna de modificar los resultados aleatorios de la realidad, pero
dentro de las simulaciones somos libres de probar diferentes posibilidades.
Trabajando en equipo, hemos sido capaces de aislar, por ejemplo, los
múltiples factores que determinan el brillo de las galaxias y averiguar por
qué en algunas de ellas dejan de formarse estrellas[230].
Podemos ir aún más lejos y hacer cambios radicales que conviertan los
cúmulos gigantes de galaxias en vacíos cósmicos transformando lo que
solía ser la cresta de una onda cuántica en un valle[231]. Manipulaciones
como esta brindan una nueva perspectiva sobre por qué algunas regiones
del universo están notablemente vacías y esto aumenta la precisión de
nuestras deducciones respecto de las observaciones de la red cósmica. Esta
precisión adicional puede ser crucial para comprender mejor la materia
oscura y su contraparte, aún más extraña, la energía oscura[232].
La energía oscura es muy débil y prácticamente insignificante en
nuestro planeta, en el sistema solar e incluso en nuestra galaxia, pero se
encuentra en todas partes, hasta en las regiones casi vacías. Su ubicuidad
hace que sus efectos puedan acumularse drásticamente con la distancia. En
total, parece superar en abundancia a la materia, pues se cree que constituye
alrededor del 70 por ciento de todo en el universo. Además, la materia (ya
sea oscura o visible) se diluye a medida que el universo se expande, pero la
energía oscura no, por lo que al final llegará a constituir cerca del ciento por
ciento de todo lo que hay. Según las extrapolaciones actuales, durante los
próximos cien mil millones de años o más, la energía oscura será tan ubicua
que llegará a detener por completo la formación de galaxias, y las estrellas
que queden se irán atenuando hasta desaparecer. Llegado ese punto, el
universo entrará en un patrón de duplicación cada doce mil millones de
años, expandiéndose sin cesar de una forma que recuerda
sorprendentemente a la inflación, aunque mucho más lenta. Así como esta
dicta el comienzo de nuestro universo, la presencia de un pequeño pero
ubicuo rastro de energía oscura puede dictar su final.
 Todavía no podemos estar seguros del todo de esta hipótesis. De 2009 a
2011 compartí espacio de trabajo con la astrofísica y escritora Katie Mack,
quien, a pesar de ser una estupenda compañera de despacho, estaba
obsesionada con la eventual desaparición de la civilización, asunto sobre el
que mantenía sin parar animados debates. Luego, literalmente, escribió un
libro sobre ello, gracias al cual todos podemos considerar las diferentes
versiones posibles de nuestra futura extinción[233].
Si bien su estudio invita a la reflexión, los efectos a tan largo plazo no
me quitan el sueño más de lo que lo hace el poder destructivo del agujero
negro que hay en el centro de nuestra galaxia. Para desarrollar una
comprensión más profunda de la naturaleza, la energía oscura nos ofrece
pistas más inmediatas y urgentes. Quizá pueda decirnos algo, por ejemplo,
sobre la gravedad cuántica. Se pueden lograr grandes avances
experimentando con posibles tipos de energía oscura dentro de las
simulaciones para comprender cómo la aleatoriedad cuántica de la inflación
interactúa con la gravedad, y la materia y la energía oscuras hasta
conformar lo que vemos hoy. Todavía estamos muy lejos de entender
exactamente lo que la energía oscura está tratando de decirnos, pero
contamos con un laboratorio digital donde podemos juguetear para ir
entendiendo cada vez más.

¿EXISTIÓ LA INFLACIÓN REALMENTE?

Para los pioneros como De Broglie, Von Neumann, Bohr, Heisenberg, entre
otros, la idea de aplicar la teoría cuántica a todo el universo sería un
anatema. Pero el excéntrico Hugh Everett demostró que no había por qué
separar artificialmente los fenómenos cuánticos, a pequeña escala, de los
fenómenos cósmicos, a gran escala. Los dos pueden convivir con relativa
apacibilidad siempre que aceptemos que nuestro universo es una pobre
sombra de una realidad más fundamental, con una escala verdaderamente
aterradora. Sobre la base de esta perspectiva y de la idea de que los campos
escalares pueden impulsar una expansión exponencial, los físicos
elaboraron una teoría de la inflación que explica la uniformidad de nuestro
universo y, al mismo tiempo, proporciona un mecanismo para explicar la
variedad de galaxias que observamos en la realidad. La hipótesis explica el
hecho de que la tarta cósmica sea tan homogénea y da cuenta, asimismo, de
la particularidad de sus ingredientes individuales.
Estas ideas constituyen una gran extrapolación de la física probada en
laboratorios, y desde luego no todos los cosmólogos están convencidos de
que la inflación sea una teoría convincente[234], pero nos sirven como
herramientas provisionales mientras hallamos una imagen más completa de
lo que sucedió en el universo primitivo. Al comparar la estructura de
nuestro universo con los resultados de simulaciones basadas en la inflación
y en la materia y la energía oscuras, podremos refinar nuestras
especulaciones o reemplazarlas por ideas mejores aún inexistentes.
Mientras tanto, hay más predicciones que analizar: ya se trabaja en la
búsqueda de evidencias de la existencia de ondas gravitatorias que deberían
haberse generado durante la inflación. Si se descubren estos indicios, la
hipótesis de la inflación se verá reforzada[235].
Aunque también cabe la posibilidad de que las dudas nunca se resuelvan
del todo. A diferencia de lo que sucede con la materia oscura, es improbable
que los experimentos terrestres puedan verificar la inflación en un
laboratorio directamente. Las energías en juego son alrededor de un billón
de veces mayores que las canalizadas por el Gran Colisionador de
Hadrones. Incluso si tuviéramos la capacidad para construir un experimento
que recreara estas condiciones, podría ser desaconsejable hacerlo. Cuando
el LHC comenzó a operar, en 2010, se planteó la duda de que pudiera
generar un agujero negro que se tragara la Tierra o, peor aún, que pudiera
acabar con el universo tal como lo conocemos al desestabilizar partículas y
provocar un cambio de fase como los que Weinberg y Guth hipotetizaron
para explicar el origen del universo primitivo. Estos escenarios se evaluaron
rigurosamente, si bien terminaron por descartarse porque las colisiones de
energía que se producen en el LHC se dan de forma regular en todo el
universo sin ningún efecto adverso[236]. Este argumento no sería aplicable,
sin embargo, en el caso de un experimento que intentara replicar con todo
detalle las condiciones de la inflación cósmica. Dicho experimento sí podría
acabar con el universo tal como lo conocemos, algo que sería un poco
bochornoso, así que casi mejor que no esté a nuestro alcance.
Aunque muchas de las teorías y fenómenos que he descrito hasta ahora
en el libro son provisionales —⁠desde la materia y la energía oscuras hasta
los datos de la subcuadrícula referentes a las estrellas y los agujeros negros
y, ahora también, la inflación y sus implicaciones para las condiciones
cósmicas iniciales⁠—, las simulaciones de nuestro universo no tienen más
remedio que incluirlos. La discusión de otros fenómenos (los campos
magnéticos, por ejemplo, o los pequeños trozos de materia llamados «rayos
cósmicos», que se precipitan a través del universo a una velocidad cercana a
la de la luz) podría ocupar también libros enteros. Y si bien sus efectos en
las simulaciones se están estudiando intensamente, hasta el momento no
han producido modificaciones importantes en nuestra comprensión, aunque
sí han ayudado a pulirla. Por su naturaleza, una simulación nunca será
exhaustivamente completa, pero he intentado esbozar cuáles son los
ingredientes más importantes a la hora de describir las galaxias y sus
implicaciones para el cosmos en su conjunto, al menos tal y como las
entendemos en la actualidad.
Habiendo abordado los ingredientes, es hora de volver a examinar los
resultados. Las predicciones de las simulaciones no se pueden comparar
directamente con lo que hay ahí afuera, en el espacio. Los modelos
informáticos son siempre aproximados, pues el caos amplifica a escalas
cósmicas hasta la más mínima inexactitud, y la inflación, por su parte,
ofrece una amplia gama de posibles puntos de partida, en lugar de un único
comienzo de los tiempos.
Todo ello conlleva que los códigos de simulación sólo puedan capturar
pautas generales sobre cómo funciona el universo, de la misma manera que
los climatólogos no pueden predecir con precisión qué tiempo hará dentro
de un siglo. A pesar de eso, los cosmólogos tienen la posibilidad de
comparar el universo real con el resultado de las simulaciones para inferir
algo sobre la naturaleza de la materia oscura, o sobre la velocidad a la que
la energía oscura está separando nuestro universo, o sobre las leyes físicas
que determinaron el origen de todo, hace trece mil ochocientos millones de
años.
 Esas inferencias requieren filtrar de manera inteligente la enorme
cantidad de datos recopilados por los telescopios automatizados. Éstos se
comparan con los resultados de las simulaciones, pero no a la manera
simple, limitándonos a encontrar las diferencias. Parte del trabajo de un
cosmólogo consiste en separar el trigo de la paja: decidir qué datos
muestran una convergencia entre el mundo real y los virtuales, cuáles
responden a una casualidad aleatoria y cuáles, sencillamente, no
comprendemos bien todavía. No hay ser humano capaz de digerir todos los
datos que se tienen sobre el universo, ni todos los resultados de todas las
simulaciones, por eso nos apoyamos cada vez más en ordenadores. Pero
delegar ese trabajo en las máquinas requiere simulaciones de un tipo
completamente diferente: simulaciones del pensamiento humano.
 6
Pensar

Las máquinas inteligentes han sido durante mucho tiempo un sueño

humano. En la mitología griega, el dios Hefesto alumbró criaturas
artificiales que podían moverse, interactuar y pensar. Según Homero, entre
sus creaciones se contaban también dos perros guardianes de metal «que
son inmortales y no envejecen nunca»[237]. Muy práctico.
Un autómata dotado de la destreza mecánica necesaria para replicar los
movimientos de un perro resultaría impresionante. Sólo sincronizar las
cuatro extremidades para que se desplace de manera eficiente sobre un
terreno irregular requiere ya de una gran adaptabilidad: hay que escanear
continuamente el perfil tridimensional del suelo, elaborar estrategias para
atravesarlo con seguridad y luego convertir ese plan abstracto en
movimientos físicos específicos ejecutados por las extremidades. Además
de eso, para servir como perros guardianes, los robots de Hefesto tendrían
que haber sido capaces de percibir amenazas potenciales en el entorno y
reaccionar rápidamente a ellas de la manera más adecuada.
Todo eso precisa de un nivel de inteligencia y de autodeterminación que
rara vez asociamos con los ordenadores. En el siglo XXI, sin embargo, la
humanidad ha logrado desarrollar autómatas dotados de algunos de esos
sofisticados rasgos. De hecho, se han llegado a hacer controvertidas pruebas
con perros policía mecánicos[238]. Cuando se ponen en funcionamiento,
estos robots y otros similares parecen inquietantemente reales. Hay algo en
su forma de moverse que, combinado con su capacidad para concentrarse
en un objetivo particular, transmite la sensación de personalidad. Hay un
vídeo publicitario en que un humano intenta evitar que un perro robótico
abra una puerta; la muestra de cómo el autómata supera la adversidad nos
produce una suerte de impacto emocional[239].
Todo sentido de conciencia está en el ojo del espectador, ya que nada
indica que estos robots tengan alguna, pero sin duda son inteligentes. La
distinción entre ambas es crucial, porque el origen y el significado de la
primera es espinoso, mientras que la segunda puede reducirse a un esquema
más simple: si algo se comporta con absoluta inteligencia, uno puede
aceptar que es inteligente por definición. Tanto los seres humanos como los
perros, las arañas o las babosas son inteligentes a su manera, por lo que,
como es evidente, existen diferentes grados de esta cualidad. Pero, para
evitar una enorme digresión, supongamos que reconocemos la inteligencia
cuando la vemos, y dejemos por ahora la cuestión de la emoción y la
conciencia para los filósofos y los neurocientíficos[240].
Para dotar a las máquinas de inteligencia artificial, los programadores
tienen que convertir los ordenadores, que funcionan con reglas muy rígidas,
en aparatos pensantes flexibles. De primeras, esto suena disparatadamente
ambicioso, pero, como vimos en los capítulos anteriores, también la idea
simular un halo de materia oscura, una galaxia, un agujero negro, el
universo o incluso una sola molécula sonaba disparatadamente ambiciosa al
principio. El truco para abordar estos problemas de física ha consistido en
crear imitaciones virtuales simplificadas de la realidad y en ir agregando
detalles y matices en capas incrementales cuando era necesario.
La inteligencia también se puede imitar sin necesidad de replicar con
precisión un cerebro humano o animal. A efectos prácticos, lo único que
cuenta es la conducta de la máquina respecto del mundo exterior. Alan
Turing tuvo ya esa intuición en 1950 y propuso un experimento en el que
varios interrogadores humanos entablan una conversación a través de
mensajes de texto sin saber si su interlocutor es un humano o una
máquina[241]. Según el matemático, lo que determina que una máquina sea
inteligente es si, después de mantener una conversación prolongada sobre
cualquier tema determinado, las personas participantes no pueden saber con
certeza si han hablado con otro humano o una máquina.
La prueba no es perfecta y se han planteado muchas objeciones al
respecto, ya que, entre otras cosas, supone una visión muy estrecha de la
inteligencia en términos de lenguaje humano. El arte, el deporte o la música
serían una objeción justa, pero la tesis general de Turing era más profunda.
A lo que se refería es a que una inspección física de una máquina no puede
decirnos si es inteligente más de lo que el examen físico del cerebro de una
persona nos dice sobre su aptitud para una tarea en particular. La única
opción que nos queda, pues, es evaluar el comportamiento.
Desde principios de la década de 2020, las simulaciones del
pensamiento humano parecen avanzar a gran velocidad en la programación
de una inteligencia cierta. Como sucede con cualquier otro avance
tecnológico importante (pensemos en la imprenta, la máquina de hilar, la
máquina de vapor, la electricidad, los fertilizantes, los automóviles o
internet), es probable que su impacto en la sociedad sea profundo y las
consecuencias, difíciles de predecir. Por el momento, la inteligencia de las
máquinas es muy inferior a la humana en términos de adaptabilidad general,
pero ha logrado un grado de precisión y flexibilidad suficientes para
desempeñar ciertas tareas limitadas pero cualificadas, como llevar registros,
buscar información, diseñar imágenes, identificar rostros, redactar ensayos
breves, conducir trenes, interpretar escáneres médicos, predecir hábitos de
compra o incluso realizar análisis legales básicos[242].
La inteligencia artificial se está convirtiendo también en parte
imprescindible de muchas ciencias, incluida la cosmología. El Observatorio
Vera Rubin es buen ejemplo de ello. Instalado en la cima de una montaña
chilena, su telescopio no se emplea para enfocar objetos individuales, sino
que está completamente automatizado y escanea el cielo para estudiar qué
hay ahí fuera. Se espera que este aparato descubra, clasifique y monitoree
alrededor de veinte mil millones de galaxias, al tiempo que busca y
determina las trayectorias de miles de asteroides, comprobando los riesgos
de colisión (una tarea no muy diferente a la de los autómatas de Hefesto,
que escudriñaban el horizonte en busca de amenazas). El resultado de este
ejercicio son quince terabytes (el equivalente a lo que ocupan noventa
películas en calidad cine)[243] de información en bruto que nos llegarán cada
noche durante diez años.
Convertir los resultados sin procesar de un telescopio como éste en
información sobre nuestro universo requiere un intenso procesamiento de
datos. Hay que identificar los diferentes objetos que aparecen en cada
fotografía individual para clasificarlos y determinar si son estrellas,
galaxias, cuásares, asteroides o cualquier otra cosa, y después compararlos
con imágenes anteriores para determinar si el objeto se está moviendo o si
ha cambiado. Luego, los cosmólogos usarán esa información para estimar la
distancia a la que están las supernovas, las galaxias y los cuásares y
construir un mapa tridimensional del universo. Por último, este mapa se
podrá comparar con las simulaciones cosmológicas para determinar qué
implicaciones físicas pueden tener sus resultados; podrían revelar algo
nuevo sobre la materia o la energía oscuras, por ejemplo. Se trata, en
definitiva, de una labor ingente para la que los humanos precisamos de
ayuda.
Durante al menos dos décadas, los astrónomos han trabajado con
técnicas de inteligencia artificial para automatizar cada paso de este
proceso. Una forma de hacerlo es comenzar construyendo un cerebro
digital, inspirado libremente en el funcionamiento físico de las neuronas de
nuestro propio cerebro. Como si fuera un bebé, el código informático
resultante no posee conocimientos o habilidades intrínsecas, sino que debe
ser entrenado para realizar las tareas requeridas. Para ello se le muestran
miles o millones de ejemplos, que pueden ilustrar las diferencias entre las
estrellas, los cuásares y las galaxias conocidos o, de manera más general,
ilustrar cualquier tarea que deseamos que realice la máquina. El cerebro
simulado responde a esta instrucción modificando las conexiones entre sus
neuronas virtuales de forma análoga a lo que sucede en el aprendizaje
biológico. Una vez completado el proceso, está listo para trabajar.
Este método, conocido como «aprendizaje automático», tiene una gran
flexibilidad, si bien al mismo tiempo puede ser muy difícil entender lo que
la computadora ha aprendido exactamente, por qué llega a determinadas
conclusiones y si uno puede confiar en ellas a la hora de hacer deducciones
científicas.
Abordaré ahora una visión complementaria de la inteligencia que
presenta las características opuestas: es rígida, pero transparente y rigurosa
en su pensamiento. Este enfoque se basa en la estadística bayesiana, un
pequeño conjunto de principios lógicos que describen una idealización del
pensamiento científico racional. En lugar de inspirarse en una vaga analogía
con una estructura biológica maleable, el código informático describe aquí
con precisión los pasos permitidos para elaborar cualquier razonamiento,
junto con información de lo que ya sabemos, como, por ejemplo, acerca del
brillo de las estrellas, los cuásares y las galaxias. Una gran ventaja de este
método es que permite codificar directamente en el ordenador la
experiencia humana, a diferencia del aprendizaje automático, donde todo
debe aprenderse desde cero.

VIDA EN MARTE

Uno de los primeros en reconocer las posibilidades de una forma lógica y

preadiestrada de inteligencia artificial fue el destacado químico Joshua
Lederberg. En 1942, con tan sólo diecisiete años, tenía muy avanzada su
carrera en la Universidad de Columbia y había comenzado a trabajar a
tiempo parcial en uno de los laboratorios de investigación. Bajo la tutela de
Francis Ryan, director del laboratorio, Lederberg desarrolló un
extraordinario interés por la química orgánica y la vida. Tiempo después, la
esposa de Ryan recordaría que «sabías que era Joshua el que estaba en el
laboratorio porque se oía ruido de cristales rotos […]. Su mente siempre iba
mucho más deprisa que sus manos»[244].
En 1960, Lederberg ya había recibido el Premio Nobel y era un
reconocido pionero de la biología molecular y consultor del programa
espacial de Estados Unidos. La NASA estaba por entonces planificando las
misiones del programa Viking, un proyecto ambicioso para aterrizar en
Marte en busca de señales de vida, y Lederberg ayudó a diseñar los
instrumentos que analizarían la composición química del suelo
marciano[245]. El detector, un aparato conocido como «espectrómetro de
masas», era parecido a los detectores de drogas y explosivos que se ven en
los aeropuertos actuales.
Estos dispositivos adoptan un método oblicuo para detectar y clasificar
moléculas. Como a esta escala los componentes son demasiado pequeños y
numerosos, es prácticamente imposible desarrollar un microscopio capaz de
ampliarlos y de tomar muestras fotográficas. Lo que se hace, en cambio, es
destruir las moléculas mediante un bombardeo de electrones, de modo que
el espectrómetro puede medir las masas de los fragmentos de la
muestra[246], con lo cual se registra una suerte de huella dactilar única, si
bien extraordinariamente críptica, de la sustancia química que se está
analizando.
Cuando se pasan sustancias prohibidas por uno de estos espectrómetros
de masas, el aparato registra los resultados almacenados para análisis
posteriores. De hecho, si conocemos la estructura química de una sustancia,
una simulación informática puede recrear el efecto producido por un
bombardeo de electrones y predecir el aspecto de la muestra, eliminando así
la necesidad de tener que ensuciarse las manos en el laboratorio[247]. En
cualquier caso, si obtenemos la huella de una sustancia desconocida, tanto
un humano como un ordenador pueden compararla con el repositorio de
compuestos conocidos en busca de alguna coincidencia[248].
Los científicos llaman a esto resolver un «problema inverso», y aunque
en teoría es posible, en la práctica entraña sus dificultades. Si tenemos a un
criminal delante, registrar su huella digital es sencillo y se puede hacer
rápidamente. Pero el problema inverso es más difícil: si lo que tenemos es
una huella de la escena del crimen y necesitamos identificar al criminal,
habrá que llevar a cabo una tediosa búsqueda en los registros. Si estamos
buscando signos de vida en Marte, presente o pasada, la cosa se complica
más aún, porque sólo tenemos una idea vaga de los tipos de moléculas
orgánicas que podemos encontrar y es muy posible, además, que éstas no
existan en la Tierra. Lederberg se dio cuenta de que el programa Viking
necesitaba un sistema para inferir la estructura de nuevas moléculas. Era
como tratar de resolver un asesinato en otro planeta, trabajando con las
huellas de un tipo de criminal con el que probablemente nunca te hubieras
cruzado antes.
Si dispusiéramos del tiempo suficiente, los humanos podríamos abordar
este problema inverso de la siguiente manera: emitir una hipótesis sobre
cuál puede ser esa estructura química, simular la correspondiente huella
digital y después comparar la predicción con las muestras reales extraídas
de Marte. Si no hubiera coincidencias, volveríamos a comenzar con una
nueva hipótesis. A priori se trata de un método sólido, pero es
excepcionalmente tedioso, porque se pueden conjeturar múltiples hipótesis
razonables sobre las posibles moléculas.
Lederberg comprendió que la inteligencia humana podía ser
reemplazada por un ordenador para realizar esta búsqueda, de modo que la
máquina propusiera estructuras y comparara las huellas simuladas con la
realidad automáticamente. En 1965, mientras trabajaba en la Universidad de
Stanford, Lederberg conoció a Edward Feigenbaum, del departamento de
Ciencias de la Computación. Por aquel entonces, éste ya estaba interesado
en la replicación informática de procesos de pensamiento científico y
Lederberg le proporcionó el problema perfecto en el que trabajar. El
proyecto resultante se prolongó a lo largo de dos décadas y es legendario
dentro del campo de la inteligencia artificial: DENDRAL[249].
La cadena lógica de DENDRAL progresó a lo largo de varias etapas clave.
Primero enumeró todos los compuestos posibles generados a partir de un
conjunto conocido de elementos. A continuación, examinó los resultados
del espectrómetro de masas y, mediante un gran número de reglas
preprogramadas por expertos humanos, realizó una predicción de cuáles de
estos compuestos eran plausibles. Por último, utilizó una simulación física
para generar una huella digital detallada de cada candidato y las comparó
con la realidad. En general, el proceso permitió saltar rápidamente de los
abstractos resultados del espectrómetro a una estructura química concreta.
El enfoque funcionó de maravilla, pero los resultados fueron
decepcionantes: ni las sondas espaciales del programa Viking ni ninguna
otra aeronave posterior han recabado pruebas concluyentes sobre la
existencia de vida en Marte en algún momento presente o pretérito. Pero la
búsqueda no ha concluido: las investigaciones sobre el terreno se
reanudarán hacia finales de la década de 2020, cuando aterrice en el planeta
el astromóvil Rosalind Franklin, desarrollado por la Agencia Espacial
Europea y equipado con un espectrómetro de masas[250]. Cuando llegue,
recorrerá la superficie marciana, deteniéndose en diferentes puntos para
realizar perforaciones de dos metros de profundidad, buscando pruebas
subterráneas de vida. Si se descubre algún indicio, la inferencia de la
composición química de cualquiera que sea el hallazgo material se
convertirá en uno de los proyectos científicos más importantes de nuestra
época.

LA LÓGICA BAYESIANA Y LOS UNIVERSOS GIRATORIOS

En ciencia abundan los problemas inversos similares a éste, también en la

astronomía: reconstruir la historia de la formación de las estrellas de una
galaxia, determinar la atmósfera de planetas distantes, considerar qué
contiene el universo o buscar supernovas son todas tareas que en tiempos
hubieran tenido que realizar expertos humanos examinando imágenes
cuidadosamente. Siguiendo una lógica similar a la de DENDRAL, podemos
reemplazar su trabajo por las repetitivas manipulaciones mecánicas de una
máquina: un ordenador puede enumerar todas las hipótesis plausibles para
una observación dada, calcular lo que se habría visto asumiendo cada una
de las posibilidades individuales y, finalmente, comparar los resultados con
la realidad para establecer qué explicación es la más adecuada de entre las
disponibles.
Pero a este enfoque le falta todavía un ingrediente clave: la
incertidumbre. Todo nuestro conocimiento es borroso hasta cierto punto. En
este preciso instante, no tengo ni idea de si hubo vida en Marte alguna vez,
pero si una misión espacial encuentra indicios, mi convicción podría
aumentar aunque carezca de certezas. De manera similar, tampoco estoy
completamente seguro de que exista la materia oscura, pero, dados algunos
indicios y a falta de alternativas plausibles, considero que es bastante
probable que sí exista.
 Incluso cuando la incertidumbre parece haber sido eliminada, parte del
trabajo de un científico consiste en mantener la cautela, porque la
comprensión que tenemos de nuestros experimentos e instrumentos es
incompleta y éstos, a su vez, sólo son capaces de realizar mediciones
imperfectas. Consideremos el caso de la energía oscura. En el momento de
escribir estas palabras, los métodos más precisos sugieren que esta
constituye un 68,5 por ciento de todo el contenido del universo, pero la cifra
real podría oscilar un 2 por ciento dentro de esta estimación[251]. La
incertidumbre se ha reducido con el tiempo, a medida que los avances
tecnológicos han permitido hacer mediciones más precisas, pero, aun así,
conviene no abandonar la prudencia. Si admitimos la posibilidad de que la
teoría de la relatividad general no sea del todo correcta, es concebible que
los fenómenos que atribuimos a la energía oscura reflejen más bien nuestra
comprensión incompleta de la gravedad, y no la presencia de una
determinada energía, sea cual sea[252]. Así pues, tanto las inevitables
imperfecciones de nuestras mediciones como el carácter especulativo de las
teorías científicas implicadas suscitan dudas legítimas.
Por ilustrarlo con un ejemplo extremo, en mi cabeza no hay duda alguna
de que el sol saldrá por el este. Pero es conveniente mantener siempre una
duda residual ante la remota posibilidad de que exista alguna ley física no
descubierta todavía por la humanidad; una ley que dicte que la dirección de
rotación de la Tierra se invierta repentinamente el próximo martes por la
noche, de modo que el sol salga por el oeste el miércoles. Parece una
posibilidad muy poco probable, pero es difícil de descartar sólo por motivos
racionales. Los filósofos de la ciencia llaman a esto el «problema de la
inducción»: ninguna acumulación de experiencia en el pasado permite
descartar por lógica un cambio en el futuro.
Estas inquietudes tienen un carácter más esotérico que práctico, pero
ilustran bien el hecho de que cada vez que citamos un resultado científico,
aunque se trate de una operación sencilla, éste lleva siempre aparejada la
sombra de una duda. Hay casos, como el de por dónde saldrá el sol mañana,
en que las dudas pueden permanecer implícitas, pero en otros, como el de la
cuantificación de la energía oscura, es esencial incluirlas. Para reproducir
un buen razonamiento científico, un ordenador deberá seguir el tipo de
enfoque lógico y metódico de DENDRAL y, al tiempo, permitir la existencia
de estos estratos de duda. Por suerte, contamos ya con un marco teórico
perfecto para esta combinación: la estadística bayesiana.
En lugar de asignar a cada proposición la cualidad de verdadera o falsa,
los científicos pueden asignarle un número entre uno y cero, al que llaman
«probabilidad». Si el número es cero, la proposición es indudablemente
falsa. Si es uno, la proposición es ciento por ciento cierta. Los enunciados
acerca del mundo real se mueven, sin embargo, entre estos extremos, ya que
no hay manera de certificarlos con absoluta garantía. Si encontramos
pruebas que apoyan una idea, su probabilidad debería acercarse a uno; si la
evidencia, por el contrario, parece contradecir la idea, la probabilidad
debería acercarse a cero. Un científico robótico debe ser flexible y capaz de
razonar también en este terreno en el que predominan los grises.
Supongamos que llego a un restaurante a la una de la tarde y que hago
un pedido para llevar. Basándome en mis experiencias previas, estoy
bastante seguro de que mi pedido estará listo en media hora. En términos
bayesianos, la probabilidad de que la comida llegue en ese plazo es bastante
cercana a uno. Pero a medida que pasa el tiempo y el pedido no llega,
empiezo a preguntarme si se han olvidado de la comanda; de modo que la
probabilidad de que la comida esté lista dentro del plazo esperado
disminuye. A mi alrededor, otros clientes están esperando también y miran
sus relojes. La probabilidad disminuye aún más. No logro tampoco llamar
la atención de ningún miembro del personal, por lo que, cuando faltan
segundos para la una y media, la probabilidad ya ha descendido casi a cero.
Sin embargo, en el último momento, ¡el pedido llega! Súbitamente, la
probabilidad asciende a uno de nuevo.
El ejemplo del restaurante sirve para ilustrar que las probabilidades
reflejan grados de creencia y, en consecuencia, van variando a medida que
llega nueva información. Pueden cambiar por completo de un momento a
otro, y pueden diferir radicalmente de una persona a otra: el cocinero que
prepara la comida o el camarero que ha visto que su compañero está
sobrecargado pueden manejar de manera individual probabilidades muy
diferentes a las que yo manejo. Sin embargo, y a pesar de ser distintas,
ninguna de ellas es incorrecta; más bien, son todas condicionales, por lo que
sus diferencias reflejan los grados diversos de información que poseen las
personas implicadas.
Hasta ahora, me he limitado a exponer los motivos por los que las
probabilidades pueden aumentar o disminuir, sin entrar a analizar cuál es el
valor numérico exacto de esas variaciones. En un caso como el del
restaurante, rara vez cuantificamos o comparamos las probabilidades
numéricas, por lo que la precisión puede parecer prescindible. Pero en el
caso de un científico robótico, que emplea probabilidades para evaluar
nueva información sobre nuestro cosmos, es esencial saber si los nuevos
datos modificarán el equilibrio de probabilidades de manera decisiva, sólo
un poco o casi nada. La tesis central de la estadística bayesiana es que sólo
existe una forma razonable de actualizar las probabilidades a la luz de
nueva información. Esta modificación se determina mediante una ecuación
conocida como «teorema de Bayes», del que derivan los términos
«probabilidad bayesiana», «lógica bayesiana» y «estadística bayesiana».
(Lo cierto es que la contribución de Thomas Bayes, clérigo del siglo XVIII,
al establecimiento del campo de estudio que lleva su nombre fue más bien
secundaria; fue el físico Pierre-Simon Laplace quien desempeñó el papel
más importante, pero el nombre de Bayes quedó ligado por siempre a dicho
campo[253]).
El teorema de Bayes expresa en forma matemática el marco mental de
que nada es seguro y que nadie puede decirnos a ciencia cierta qué esperar,
pero que las nuevas evidencias deberían cambiar nuestras opiniones de
manera predecible. En astronomía, la importancia práctica de la
probabilidad bayesiana es enorme. Se ha vuelto crucial para traducir las
observaciones del fondo cósmico de microondas en estimaciones sobre la
composición del universo, para descifrar las ondas gravitatorias y
comprender mejor los agujeros negros, para inferir las propiedades de los
planetas distantes y para evaluar la materia oscura dentro de la Vía
Láctea[254]. Se trata, en todos los casos, de problemas complejos que no
pueden resolverse con ninguna prueba individual. Bayes (o, más
exactamente, Laplace) nos legó un marco capaz de integrar las diferentes
observaciones y resultados en un cálculo unificado de lo que es probable e
improbable.
 La probabilidad bayesiana ha sido fundamental en mi propia
investigación, y uno de mis ejemplos favoritos de su aplicación atañe a
cómo se mueve la materia en el universo. En el capítulo 2, mencioné que
Vera Rubin se había preguntado si el cosmos en sí estaba sometido a una
rotación general, lo que provocó la airada respuesta del editor del
Astrophysical Journal y de otros reputados expertos que afirmaban que
aquella pregunta estaba fuera de lugar[255]. Hoy tenemos una perspectiva
diferente sobre la cuestión y sabemos que la pregunta de Rubin es vital. Los
cálculos teóricos realizados al respecto por Stephen Hawking en los años
sesenta y setenta arrojaron la conclusión de que era perfectamente posible
que el universo se moviera en espiral, pero que si se produjera algo como la
inflación, ésta acabaría con dicho giro[256]. Por lo tanto, determinar si existe
o no la rotación cósmica nos ayuda, a su vez, a saber más sobre el universo
temprano.
Hace unos años, apliqué la lógica bayesiana a este problema. Después
de que Rubin suspendiera su búsqueda, Hawking realizó algunos cálculos
preliminares sobre cómo se distorsionaría la luz del Big Bang en escenarios
giratorios[257], y durante mi doctorado, yo dejé un tiempo de lado las
simulaciones para realizar un cálculo más completo de esos efectos[258]. La
predicción mostraba una suerte de remolinos psicodélicos en el fondo
cósmico de microondas, como si alguien se hubiera dedicado a revolver
regiones frías y calientes a lo largo y ancho del universo. Si bien tales
remolinos no eran deducibles a partir de los datos, su tamaño e intensidad
tenían que depender de la velocidad exacta a la que girara el universo; y una
levísima rotación residual podría quedar oscurecida en parte por las ondas
cuánticas.
En 2016, mis colaboradores y yo trabajamos con una nueva estudiante,
Daniela Saadeh, para peinar el fondo cósmico de microondas en busca de
estos sutiles remolinos. No es un ejercicio que pueda realizarse sin ayuda de
un ordenador. Para empezar, hay una cantidad abrumadora de información
(similar a la que contiene la foto de una cámara digital de cincuenta
megapíxeles). Además, esta imagen gigantesca debe compararse no sólo
con una sola huella, sino con un catálogo desalentadoramente grande de
posibilidades: un universo giratorio puede rotar a cualquier velocidad y en
cualquier dirección. Debido a todos estos factores, la humanidad nunca
tendrá una respuesta definitiva sobre si el universo gira o no gira, pero la
estadística bayesiana nos permitió calcular las probabilidades.
La probabilidad de que el universo girara era asombrosamente pequeña:
un 0,0008 por ciento, o de uno entre 121 000. El código informático
desempeñó el papel de un experto diligente y, tras una búsqueda exhaustiva,
nos informó de que, si bien no puede descartarse por completo que el
universo gire, la posibilidad de que algo así suceda es excepcionalmente
remota. Tomamos esto como una señal más de que la hipótesis
inflacionaria, en la que se excluye la rotación del universo temprano, parece
sólida.
Este estudio era un proyecto bastante especializado (aunque reconforta
un poco saber que no estamos inmersos en una barrena cósmica), pero el
enfoque bayesiano tiene aplicaciones mucho más genéricas, en concreto la
cuantificación de los elementos que constituyen nuestro universo y su tasa
de expansión. Merece la pena detenerse en un ejemplo particular que ilustra
muy bien la confianza que los astrónomos han llegado a depositar en los
ordenadores para realizar pasos rutinarios pero cruciales en casi todos los
análisis, y por qué dicha confianza puede plantear en ocasiones problemas
graves.

EL DESPLAZAMIENTO AL ROJO

La astronomía observacional se puede dividir, a grandes rasgos, en dos

actividades principales: el estudio de objetos individuales y la generación
de mapas que indican dónde se encuentran esparcidos estos objetos por el
universo. Los mapas geográficos nos son familiares, pero algunas de las
pinturas más antiguas conocidas, como las creadas hace dieciséis mil
quinientos años en las cuevas de Lascaux, en Francia, son en realidad
mapas estelares[259]. Hoy, el escrutinio del espacio nos muestra la existencia
de una gran red cósmica y su mapeo se ha convertido en una obsesión por
las potenciales revelaciones que puede proporcionarnos sobre la materia y
la energía oscuras. Para alcanzarlas, sin embargo, los astrónomos tienen que
aceptar primero que la posición de las estrellas y las galaxias en una imagen
bidimensional sólo cuenta una parte de la historia. Para comprender el
universo, necesitamos incorporar una tercera dimensión: la profundidad.
La forma más habitual de agregar profundidad a estas imágenes
bidimensionales es usar un efecto conocido como «desplazamiento al rojo».
A medida que la luz atraviesa el universo, su color cambia progresivamente.
Un haz de luz azul, por ejemplo, se verá verde después de haber viajado
unos miles de millones de años. Pasados unos cuantos miles de millones de
años más, se volverá rojo, punto a partir del cual continuará mutando hacia
el infrarrojo, que es invisible para nosotros. La causa oculta de esta
progresiva transformación es la propia expansión del universo: es como si
la luz se estirara, lo que provoca un cambio de color. Cuanto más lejos está
la galaxia que la emite, más tiempo viaja la luz y, por lo tanto, más se estira
y más se desplaza su color en el espectro hacia el rojo. De este modo,
midiendo el color aparente de una galaxia determinada, los astrónomos
pueden calcular también la distancia a la que se encuentra.
Para usar este efecto en la creación de mapas tridimensionales, los
astrónomos necesitan conocer cuál es el color original de la galaxia, pues,
de lo contrario, no pueden saber si la luz se ha enrojecido con el tiempo o si
ya era roja en un principio. Las estrellas parecen blancas, pero si dejamos
que nuestros ojos se adapten a la oscuridad del cielo nocturno,
empezaremos a ver un arcoíris de colores, aunque apagados. Si echas un
vistazo a la constelación de Orión, toparás con Rigel, casi azul, junto a
Betelgeuse, claramente roja. En el caso de estas estrellas, bastante cercanas,
podemos estar seguros de que los colores que percibimos son intrínsecos a
ellas y que no se deben a la distancia o la expansión del universo. Pero
cuando los astrónomos descubren puntos de luz mucho más débiles en el
cielo nocturno, en un principio no pueden estar seguros de si el color es el
propio del objeto o resultado de un desplazamiento al rojo.
Para explicar cómo logran discernir las inteligencias artificiales el color
original, necesito profundizar un poco más en la física de la luz y la visión.
Lo que percibimos en el cielo nocturno como colores de un tono pastel y
blanquecino corresponde, de hecho, a una compleja sopa de información. Si
observamos el brillo de las estrellas en una noche oscura, cada una de ellas
envía a nuestra retina varios cientos de miles de fotones por segundo, que
son como pequeños paquetes de energía. Cada uno de ellos posee su color
específico, pero la acción combinada de nuestros ojos y nuestro cerebro
convierte en uno solo esos cientos de miles de colores.
Los ojos clasifican el color de la luz estimando el número de fotones
que son rojizos, el número de los que son verdosos y el número de los que
son azulados. Un fotón amarillo, al estar en un punto intermedio entre el
rojo y el verde, puede encontrarse tanto en la categoría «rojo» como en la
categoría «verde». Del mismo modo, la luz turquesa activa los receptores
verde y azul. A partir de esta información, algo críptica, nuestro cerebro
vuelve a ensamblar una percepción única del color. Es un poco como
describir un grupo demográfico mediante el número de niños, de adultos y
de jubilados: nos brinda una idea aproximada del perfil de la población,
pero está muy lejos de ofrecer una distribución precisa de las edades
específicas.
Los humanos poseemos una visión cromática bastante restringida y, si
pudiéramos percibirlo en toda su riqueza, nos sorprendería[260]. Para aclarar
la posible confusión entre la distancia y el enrojecimiento intrínseco
necesitamos aproximarnos más a la verdadera naturaleza del color. Antes de
iniciar su viaje a través del cosmos, la luz emitida por estrellas, galaxias y
cuásares constituye ya una exuberante mezcla de múltiples tonos,
combinados en diferentes proporciones. Hay mezclas más comunes que
otras, y algunas que no se pueden producir de forma natural si no es
mediante el desplazamiento al rojo. Mientras tengamos un telescopio capaz
de registrar los colores de manera más detallada que la visión humana,
contaremos con un buen punto de partida para estimar este fenómeno.
La división del color en sus componentes se conoce como «espectro», y
ya vimos antes cómo puede ayudarnos esto a estudiar la materia oscura y
las galaxias. Un experto humano puede obtener mucha información con
sólo echar un vistazo a un espectro: ¿se trata de una galaxia, de una estrella
o de un cuásar? Si es una galaxia, ¿contiene sobre todo estrellas nuevas o
viejas? Y, lo que es más importante, ¿cuánto se ha desplazado hacia el rojo
su luz? Los espectros actúan como huellas dactilares de las estrellas y las
galaxias, de lo que contienen y de las distancias que las separan de nosotros,
de manera muy parecida a como los espectrómetros de masas generan
aquellas de los elementos químicos individuales. Partir de la huella digital
para conocer el grado de desplazamiento al rojo es un tipo de problema
inverso.
En la cosmología, resulta esencial resolverlo, pero para eso precisamos
de la ayuda de los ordenadores, ya que no hay bastantes expertos en el
mundo con el tiempo y la paciencia suficientes para procesar los datos
correspondientes a los miles de millones de galaxias que están siendo
observadas por el Observatorio Vera Rubin. Tal cantidad de información no
puede ser analizada sólo mediante recursos humanos. La sola idea de contar
con espectros detallados es todavía un sueño lejano, ya que un telescopio
tarda demasiado en descomponer la luz de cada galaxia individual en una
multitud de colores. En lugar de ello, lo que hacen en el observatorio es
medir la intensidad lumínica de un pequeño grupo de colores diferentes,
una suerte de punto intermedio entre la limitada capacidad de la visión
humana y la inaccesible fantasía de analizar espectros completos.
La máquina compara las imágenes tomadas de esta manera con los
colores simulados informáticamente para todos los tipos imaginables de
galaxia (de diferentes tamaños, edades y composiciones químicas, así como
los posibles desplazamientos al rojo). Por lo general, no existe una
respuesta clara y única sobre este fenómeno cromático y el ordenador sólo
puede proporcionar diferentes probabilidades[261]. Como consecuencia, para
cada galaxia se obtiene un mapa del universo con una tercera dimensión
difusa que refleja el grado de duda en el razonamiento de la máquina. Estos
mapas borrosos son cruciales para la investigación cosmológica en la
presente década de 2020.

LO QUE SABEMOS Y LO QUE NO SABEMOS QUE NO SABEMOS

Estos difusos desplazamientos al rojo constituyen sólo una de las muchas

fuentes de incertidumbre con las que tienen que lidiar los cosmólogos
cuando sacan conclusiones sobre la tasa de expansión del universo, la
cantidad de materia oscura o la fuerza de la energía oscura. Pero hay más,
como la aleatoriedad cuántica de la inflación o el número limitado de
galaxias, así como también problemas más realistas, como los que plantean
las propias imperfecciones en los telescopios.
El teorema de Bayes funciona bien en estas situaciones. Un ordenador
adecuadamente programado puede combinar estos afluentes de
incertidumbre en un solo caudal de dudas y sacar las correspondientes y
cautas conclusiones. Con todo, existe una seria limitación: aunque este
procedimiento nos permite abordar un flujo de incertidumbre, no
proporciona garantías contra la pérdida de alguno de los afluentes que lo
conforman.
Algunas incertidumbres al menos podemos esbozarlas. Por ejemplo,
sabemos que una tenue galaxia roja cercana puede confundirse con una
lejana azul y brillante. Otras incertidumbres, sin embargo, están mucho
menos definidas y, por tanto, existe la posibilidad de que en nuestra
descripción de la situación falte algo que ni siquiera podemos identificar
todavía; se trata de esos «hechos que desconocemos que desconocemos»
según la formulación que el exsecretario de Defensa de Estados Unidos
Donald Rumsfeld hizo célebre. Nuestro relato sobre el porqué del brillo de
las galaxias y su transformación a lo largo del tiempo es incompleto debido
a que los intrincados ciclos de vida de las estrellas que contienen son
excepcionalmente complejos y variados. Cuando trabajamos con miles de
millones de galaxias, sólo cabe esperar toparse con muchos objetos raros
cuyas propiedades ni siquiera habíamos podido imaginar. Es muy difícil
incluir esta clase de posibilidades que desconocemos que desconocemos en
una probabilidad bayesiana. Al mismo tiempo, si las ignoramos, los mapas
tridimensionales que elaboremos pueden contener una subestimación
enorme del grado final de incertidumbre.
La lógica bayesiana proporciona una explicación útil y filosóficamente
atractiva del razonamiento científico, pero, en la práctica, está ligada a su
concepción inicial del mundo. Esto no es un aspecto negativo, tan sólo es
algo integrado en su propia estructura: si podemos atribuir significados muy
precisos a las probabilidades es porque se refieren siempre a un conjunto de
conocimientos determinado y preexistente. Por contraste, los humanos
somos pensadores que operan por aproximación, aunque estamos dotados
de gran flexibilidad y capacidad de aprendizaje, lo que nos permite
adaptarnos rápidamente a lo inesperado.
Para ilustrar la impresionante capacidad de los cerebros biológicos a
este respecto, basta con pensar en un partido de tenis. La pelota viaja hacia
nosotros a gran velocidad y tenemos que decidir cómo responder. Antes de
reaccionar, sin embargo, es necesario averiguar hacia dónde se dirige ésta
exactamente. Y antes incluso de eso, tenemos que calibrar dónde se
encuentra la pelota en el momento actual, analizando para ello un campo de
visión confuso, lleno de distracciones. Nuestro cerebro es capaz de procesar
estos pasos diferentes en un abrir y cerrar de ojos usando habilidades
aprendidas mediante la repetición del ensayo y error, gracias al hecho de
haber jugado al tenis durante muchos años, de haber jugado con pelotas y
balones desde la infancia y de haber aprendido a emplear los sentidos para
comprender el mundo desde edad aún más temprana. No se trata, por tanto,
de un aprendizaje científico y estrictamente bayesiano, sino de algo innato
y, en cierto modo, superior.
Imaginemos ahora que construimos un contrincante robótico, capaz de
golpear la pelota tan hábilmente como cualquier humano. Ha sido
programado con las leyes del movimiento de proyectiles, tiene un sistema
de visión impecable que funciona mediante láser, y comprende todas las
reglas del tenis. Puede usar el teorema de Bayes para modificar sus
previsiones sobre cómo es más probable que golpee el rival y qué errores es
más probable que cometa, adaptando su estrategia en consecuencia. En
definitiva, parece tenerlo todo para ser un ganador nato.
Sin embargo, si el robot es estrictamente bayesiano, todavía contamos
con alguna posibilidad de derrotarlo. Recordemos que, al implementar la
probabilidad bayesiana, debo especificar de antemano lo que la máquina
puede aprender. Supongamos que, al programar el robot, olvidamos
codificar las leyes aerodinámicas que describen cómo afecta la rotación de
la bola a su trayectoria; si elegimos lanzar un revés cortado, frustraremos
las predicciones de la máquina. Y lo que es todavía más embarazoso para el
robot: si su programa no incluye las instrucciones necesarias para que pueda
aprender física y estrategia, es muy probable que no pueda aprender nunca
de sus errores. No importa cuántas veces lo derrotemos, el robot seguirá
cometiendo el mismo error porque la cuestión de la rotación de la pelota
seguirá siendo para él una incógnita que desconoce que desconoce. Del
mismo modo, la pelota también podría obedecer las leyes de la física de un
universo completamente diferente.
Podríamos anticipar y corregir la omisión aerodinámica dando al robot
una idea preconcebida de la rotación o permitiéndole al menos aprender
sobre ello. Pero ¿y si luego lo desafiáramos a jugar en una superficie
diferente? ¿O en un día de viento racheado? De nuevo, a menos que se
prepare de antemano a la máquina para adaptarse a estos factores
específicos, no podrá lidiar con ellos. Cualesquiera que sean las lagunas que
reparemos en su programación, siempre habrá algún factor pendiente que
hayamos omitido.
Los humanos somos inherentemente más adaptables, ya que no
necesitamos estar preparados para cada incertidumbre específica. Nos
habituamos con rapidez al entorno, incluso si no hemos sido entrenados en
aerodinámica ni hemos jugado sobre tierra batida antes. Esta faceta
adaptativa de la inteligencia es muy difícil de reproducir dentro del marco
formal que he esbozado hasta ahora. No hay nada intrínsecamente
defectuoso en la probabilidad bayesiana y, en las circunstancias adecuadas,
resulta una herramienta poderosísima. Pero cuando lo que desconocemos
que desconocemos se cierne sobre nosotros, lo más práctico es dejar de lado
la visión idealizada propia de los razonamientos científicos perfectos y
estudiar las claves del pensamiento imperfecto, aunque flexible y creativo,
que caracteriza al cerebro humano.

LAS NEURONAS

Nuestro cerebro está formado por neuronas, que controlan las señales
eléctricas que transportan y procesan la información. En cierto sentido, son
el equivalente a los transistores en los ordenadores. Éstos, sin embargo,
tienen muy poca variedad, pues cada uno cuenta con un solo interruptor que
puede encender o apagar una señal eléctrica, mientras que las neuronas son
diversas y multifuncionales, capaces de monitorear miles de señales y de
combinarlas de las maneras más variadas y complejas.
En su forma más simple, una neurona genera un pulso de actividad
eléctrica si, en un espacio corto de tiempo, recibe a su vez un número
suficiente de pulsos procedentes de otras neuronas o de alguno de nuestros
sentidos. Algunas de estas señales entrantes producen un efecto intenso y
enseguida activan la neurona; otras, más débiles, sólo tienen efecto si van
acompañadas de otras señales. Todas ellas pueden incluso transmitirse para
producir un efecto negativo: un determinado pulso entrante puede provocar
una anulación temporal y silenciar la señal saliente de la neurona con
independencia de lo estimulada que esté. Las neuronas pueden exhibir,
además, rasgos distintivos mucho más complejos, tales como disparar
señales eléctricas con un ritmo repetitivo[262].
Las primeras simulaciones que captaron parte de este complejo
funcionamiento a partir de las leyes físicas que gobiernan el movimiento de
partículas cargadas fueron desarrolladas en los años cincuenta por Alan
Hodgkin y Andrew Huxley; la pareja de científicos que ganó
merecidamente el Premio Nobel por ello[263]. Simular los procesos
biofísicos es una gesta incuestionable, pero simular el propio pensamiento
es mucho más difícil. Esto se debe en parte a la gran cantidad de neuronas
implicadas en él: nuestro cerebro contiene cerca de cien mil millones. Se ha
estimado que, sólo para obtener una imagen del cerebro humano a la
resolución necesaria para trazar un mapa de las neuronas y sus conexiones,
necesitaríamos alrededor de 2×1021 bytes[264], una fracción significativa de
toda la capacidad de almacenamiento informático existente en la actualidad
en el planeta Tierra[265].
Incluso si pudiéramos lograr la hazaña de conseguir una instantánea del
esquema eléctrico de un solo cerebro, no sería suficiente, porque los
cerebros cambian cuando aprenden. El fisiólogo Iván Pávlov se hizo célebre
al observar que, cuando a un perro se le servía la comida acompañada de
algún sonido de fondo (algo específico, como el tictac de un metrónomo), la
mera reproducción del mismo terminaba por hacer salivar al animal. En
1949, Donald Hebb propuso que este tipo de asociación podía tener una
base física a nivel celular; dos neuronas que se activan en secuencia
repetidamente tienden a reforzar sus efectos recíprocos[266]. Es decir, al
principio, los conceptos de comida y sonido corresponden a estructuras
neuronales casi independientes, pero con el tiempo la conexión entre
ambos, inicialmente tenue, se va fortaleciendo hasta crear un poderoso
vínculo.
Hebb era psicólogo y había investigado sobre cómo podían las personas
aprender a recuperar la función cognitiva después de una cirugía
cerebral[267]. Su propuesta se basaba, más que en una comprensión
determinada de las neuronas, en las conclusiones derivadas de esos
estudios. Los experimentos modernos confirman la idea, algo vaga, de
Hebb, si bien concluyen también que es difícil predecir en detalle la forma
exacta en la que el cableado neuronal cambia con el tiempo[268]. Por otra
parte, las propiedades eléctricas del cerebro están moduladas por cientos de
sustancias químicas, las más importantes de las cuales están asociadas con
el estado de ánimo y el placer, lo que ayuda al cerebro a aprender a través
de las recompensas. No es de extrañar, por tanto, que hasta los organismos
simples sigan siendo un misterio: el sistema nervioso del diminuto
nematodo Caenorhabditis elegans, de un milímetro de longitud, se mapeó
ya en 1986 (con sus trescientas dos neuronas y alrededor de siete mil
conexiones), pero todavía estamos lejos de poder simular su
comportamiento en un ordenador[269].
Las simulaciones de neuronas son muy valiosas para comprender la
función del cerebro y, por lo tanto, también pueden servir para extraer
conocimientos médicos que salven vidas. Sin embargo, para los astrónomos
y demás científicos o los ingenieros, cuyo interés es imitar la flexibilidad
del pensamiento humano en un sistema informático, no hace falta
comprender cada detalle del cerebro y recrearlo con total exactitud en un
modelo digital. En lugar de eso, utilizamos sistemas que están vagamente
inspirados en la neurociencia, reteniendo la esencia del aprendizaje flexible
al tiempo que eludimos las complicaciones propias de la biología.
EL APRENDIZAJE AUTOMÁTICO

En 1958, Frank Rosenblatt publicó un artículo en el que afirmaba estar

construyendo «una máquina capaz de percibir, reconocer e identificar su
entorno»[270]. Éste, que por entonces tenía treinta años, confiaba en llevar a
cabo una revolución en nuestra comprensión de la inteligencia. De hecho,
comparó la importancia de sus descubrimientos con los de Isaac Newton en
física y llegó a declarar al New York Times que, en principio, su máquina
podía llegar a ser consciente[271]. (Rosenblatt se distanciaría más tarde de
estas afirmaciones, culpando de ellas a «la prensa popular» y acusándola de
tener «el sentido de la discreción de una jauría de alegres sabuesos»[272]).
Rosenblatt era ambicioso, persuasivo y, probablemente, un poco
voluble. Tras comprar un telescopio de tres mil dólares para satisfacer su
interés por la astronomía, se dio cuenta de que no tenía dónde ponerlo y
convenció a algunos estudiantes de posgrado para que lo ayudaran a
construir un observatorio en su jardín[273]. Su logro más duradero, sin
embargo, fue una máquina a la que bautizó como Perceptron, un dispositivo
capaz de aprender a distinguir letras, formas y otros patrones puestos frente
a una cámara. Pero esto no era lo más impresionante y novedoso del
Perceptron, sino que no precisaba ser programada con código para hacerlo,
como cabría esperar: aprendía a base de prueba y error, como lo hacemos
los humanos.
La máquina usaba una cuadrícula de 20×20 celdas de receptores en
blanco y negro para convertir una imagen en señales eléctricas, de manera
similar a como lo hace nuestra propia retina. A continuación, las señales
eran procesadas por una serie de neuronas virtuales, consistentes en
circuitos eléctricos diseñados para comportarse de forma parecida a como
lo hacen las neuronas de verdad. Las señales de entrada de las primeras
sesenta y cuatro neuronas estaban conectadas al azar con los receptores, sin
un patrón prediseñado. Un procedimiento como éste no funcionaría nunca
con un ordenador tradicional, pero constituye un buen punto de partida para
una máquina capaz de aprender, de forma análoga a lo que sucede con el
cerebro de un niño o de un perro. Las señales de salida de este primer
conjunto de neuronas estaban conectadas aleatoriamente a otro grupo de
neuronas, que a su vez estaban conectadas a dos neuronas finales, que
estaban conectadas a un par de bombillas. El Mark 1 Perceptron era un
verdadero galimatías en más de un sentido, ya que todas esas conexiones
requerían una gran cantidad de cables entrecruzados[274].
El objetivo era que la máquina distinguiera imágenes y una de las
pruebas consistía en comprobar si podía aprender a diferenciar formas
simples. El operador humano mostró al Perceptron una y otra vez figuras
cuadradas y triangulares. Al principio, y de forma comprensible, la máquina
respondió encendiendo las bombillas al azar. Pero tenía la capacidad de
modificar por sí misma la intensidad de las conexiones entre diferentes
neuronas: inspirándose en las conclusiones de Hebb, Rosenblatt dispuso
que, cuando una de las bombillas se encendiera, la fuerza de las conexiones
se ajustase automáticamente para impedir que se encendiera la otra, y
viceversa. Con el tiempo, cabía esperar que aquel proceso fuera dividiendo
los objetos presentados al sistema en dos clases; una bombilla indicaría
«triángulo», y la otra indicaría «cuadrado»[275].
En el momento de la muerte de Rosenblatt (acaecida trágicamente en un
barco mientras celebraba su cuadragésimo tercer cumpleaños), la idea de su
Perceptron había sido abandonada en favor de concepciones más
estructuradas de la inteligencia artificial, como DENDRAL. Pero en el
siglo XXI, su máquina se celebra como un prototipo de «aprendizaje
automático», término aplicado a un amplio y creciente repositorio de
técnicas ninguna de las cuales requiere un hardware especial. De hecho,
siempre se pudo replicar el funcionamiento del Perceptron con un
ordenador digital corriente. En la demostración que hizo al New York Times
en 1958, Rosenblatt no usó ninguna máquina especial, sino que tomó
prestado para la prueba el ordenador que el Servicio Meteorológico de
Estados Unidos usaba para realizar sus pioneros pronósticos del tiempo. A
medida que se disparó la capacidad de los ordenadores digitales, fue
desapareciendo la necesidad de desarrollar un hardware distinto cada vez,
con tantos cables como un plato de espaguetis.
Las técnicas actuales de aprendizaje automático tienen nombres con
resonancias místicas: suena muy bien eso de trabajar con una «máquina de
vectores de soporte», dar un paseo por un «bosque aleatorio», trepar a un
«árbol de decisión potenciado por gradientes» o explorar una «red neuronal
convolucional». Estas expresiones tan abstractas ocultan, sin embargo,
consecuencias muy tangibles en el mundo real que superan incluso, en
cierta manera, la grandiosa visión de Rosenblatt. Gracias a su capacidad
para clasificar sonidos, imágenes, vídeos, nuestro historial de búsquedas en
internet o nuestro expediente médico, el aprendizaje automático ha
permitido establecer una coyuntura de vigilancia a escala industrial,
comercial y estatal sin precedentes en la historia. La tecnología va muy por
delante de los intentos de regular sus implicaciones y consecuencias, o de
comprenderlas siquiera[276]. Para la astronomía, como para tantas otras
disciplinas, el aprendizaje automático se ha vuelto indispensable. Por
justificados que estén los recelos sobre su lado más oscuro, resistirse a sus
avances es permanecer encerrado en el siglo XX.

ASTRONOMÍA, CIENCIA Y MÁS ALLÁ

A finales de los noventa, Ofer Lahav, uno de mis colegas en el University

College de Londres, preparó el terreno para la aplicación del aprendizaje
automático a la astronomía. Tras topar por casualidad con este campo
mientras disfrutaba de un año sabático en Japón, empezó a trabajar con un
equipo de estudiantes en el desarrollo de un método alternativo para medir
el desplazamiento al rojo, la crucial tercera dimensión de los mapas
cosmológicos. Lahav y su equipo sabían bien que los enfoques bayesianos
no eran capaces de lidiar con incógnitas nuevas e imprevistas que
«desconocemos que desconocemos», así que crearon una red neuronal que
aprendía por sí misma: después de mostrarle quince mil galaxias con
desplazamientos al rojo conocidos y confirmados por humanos, la máquina
pudo predecir los de otras diez mil galaxias más[277]. La técnica se hizo
popular muy pronto por ser rápida, práctica y flexible, y hoy en día se
emplean de forma rutinaria enfoques similares para generar mapas de
profundidad precisos de millones de galaxias[278].
 El potencial del aprendizaje automático es aplicable a todas las ramas de
la astronomía. Al escanear el cielo durante la próxima década, el
Observatorio Vera Rubin no sólo construirá un mapa estático, sino que
podrá observar objetos particulares en movimiento (como asteroides y
cometas) o cuya luminosidad varíe (como estrellas titilantes, cuásares y
supernovas). Los cosmólogos están particularmente interesados en las
supernovas, porque su explosión de luz nos da pistas sobre la forma en que
se expande el universo. Se puede emplear el aprendizaje automático para
enseñar a nuestros aparatos a detectarlas en un cielo en constante cambio y,
a continuación, estudiarlas con telescopios especializados antes de que, en
cuestión de unas pocas semanas, desaparezcan de la vista[279]. Existen,
además, técnicas similares que nos ayudan a filtrar el brillo cambiante de un
gran número de estrellas para hallar signos reveladores de los planetas que
albergan, lo que a su vez contribuye a la búsqueda de vida en el
universo[280]. Pero las aplicaciones científicas del aprendizaje automático
van mucho más allá de la astronomía: la filial de inteligencia artificial de
Google, DeepMind, por ejemplo, ha construido una red llamada a superar
las técnicas existentes para predecir las formas de las proteínas a partir de
su estructura molecular, un paso crucial en nuestra comprensión de muchos
procesos biológicos[281].
Estos ejemplos ilustran por qué se ha generado un entusiasmo tan
grande en torno al aprendizaje automático en lo que llevamos de siglo. Se
ha afirmado al respecto, de hecho, que estamos presenciando una
revolución científica. En 2008, Chris Anderson publicó un artículo en la
revista Wired en el que declaraba obsoleto el método científico, aquel
mediante el que los humanos formulan una hipótesis concreta y la someten
a prueba: «Podemos dejar de buscar modelos [científicos]. Podemos
analizar los datos sin hipótesis sobre los resultados. Podemos introducirlos
en los clústeres de ordenadores más grandes que el mundo haya visto jamás
y dejar que los algoritmos estadísticos encuentren patrones donde la ciencia
no puede»[282].
Con todo, creo que esa afirmación es ir demasiado lejos. El aprendizaje
automático puede simplificar y mejorar ciertos aspectos de los enfoques
científicos tradicionales, especialmente aquellos que requieren
clasificaciones (como el desplazamiento al rojo de las galaxias),
procesamientos de información compleja (como descubrir las formas de las
proteínas) o acciones rápidas (como decidir si apuntar o no los telescopios a
una posible supernova); pero no puede suplantar por completo el
razonamiento científico, porque, en último término, se trata de mejorar la
comprensión del universo que nos rodea. Encontrar nuevos patrones en los
datos constituye sólo una parte de esa búsqueda. Tenemos un largo camino
por recorrer antes de que las máquinas puedan hacer ciencia dotada de
sentido sin supervisión humana.

LA DEBILIDAD DE LOS DATOS

Para comprender mejor la importancia del contexto en la investigación

científica es útil considerar el caso del proyecto OPERA, que, en 2011,
determinó aparentemente que los neutrinos viajan más rápido que la
velocidad de la luz. Tal afirmación es lo más parecido a una blasfemia en el
campo de la física, ya que implicaría tener que reformular la teoría de la
relatividad, que tiene en la limitación de la velocidad máxima posible uno
de sus pilares esenciales. Dada la gran cantidad de pruebas experimentales
que la respaldan, atreverse a poner en duda sus fundamentos no es una
cuestión baladí.
Así, los físicos teóricos hicieron cola para desautorizar el resultado del
experimento, dando por hecho que los neutrinos tenían que estar viajando a
menos velocidad de lo que este indicaba[283]. Sin embargo, no se pudo
encontrar ningún error en la medición, hasta que, seis meses más tarde, se
anunció que se había soltado un cable durante el experimento, lo que
explicaba la discrepancia[284]. Los neutrinos no viajaban más rápido que la
luz; los resultados que sugerían lo contrario eran incorrectos.
Hay datos sorprendentes que, en las circunstancias adecuadas, pueden
dar lugar a revelaciones —⁠como vimos con el ejemplo del descubrimiento
de Neptuno, en el capítulo 2⁠—, pero cuando un resultado discrepa de las
teorías existentes, lo más probable es que contenga algún error, tal y como
los físicos intuyeron al ver los resultados del experimento OPERA. Convertir
esa reacción en una regla simple para programar una inteligencia artificial
es muy difícil, porque es algo a medio camino entre el mundo bayesiano y
el aprendizaje automático. Por un lado, la reacción se funda en un
conocimiento preexistente y, por lo tanto, parece requerir un enfoque
bayesiano; por otro lado, implica también incógnitas que desconocemos que
desconocemos (problemas del experimento que no se han anticipado de
antemano) y, por lo tanto, exige una gran flexibilidad de pensamiento.
Los elementos humanos del pensamiento científico no podrán ser
replicados en las máquinas a menos que estas logren integrar el
procesamiento de datos flexible con un corpus de conocimiento más
amplio. En la actualidad, han proliferado los proyectos con ese objetivo,
impulsados en parte por la necesidad comercial de que las inteligencias
informáticas puedan justificar sus decisiones. En Europa, si una máquina
toma una decisión que afecta personalmente a un usuario o consumidor
(como rechazar su solicitud de hipoteca, subirle la cuota del seguro u
ordenar su registro por parte del personal de seguridad en un aeropuerto), la
persona afectada posee el derecho legal a reclamar una explicación[285]. Y
ésta debe trascender necesariamente el estrecho ámbito del análisis de datos
para conectar con una dimensión humana de lo que es o no es razonable.
De ahí lo problemático de que, con frecuencia, no sea posible obtener
una explicación completa de cómo toman una decisión concreta los
sistemas de aprendizaje automático. Estos utilizan muchas piezas de
información diferentes, que combinan de formas complejas, de modo que la
única descripción verdaderamente precisa de su proceso de decisión es la
contenida en el código informático con el que se adiestró a la máquina. Ésa
sería una respuesta concisa, pero no demasiado esclarecedora. Otra manera
de abordar el problema, diametralmente opuesta, consistiría en señalar qué
factor influyó de manera determinante en la decisión de la máquina:
pongamos el caso de una aseguradora cuyo cliente es un fumador de toda la
vida, y al que, dado que otros fumadores de toda la vida murieron jóvenes,
la aplicación le ha negado un seguro de vida. Esta explicación es más útil,
pero puede no ser precisa: si se han aceptado solicitudes de otros fumadores
con un historial laboral y un historial médico diferentes, ¿cuál es
exactamente la diferencia? Explicar las decisiones de manera convincente
requiere un equilibrio entre precisión y claridad.
En el caso de la física, el uso de máquinas para obtener explicaciones
precisas y aceptables basadas en leyes y marcos existentes está todavía en
su fase inicial. La demanda original es la misma que hemos visto en el caso
de la inteligencia artificial empleada con fines comerciales: la máquina no
sólo debe tomar una decisión (por ejemplo, la asignación de un determinado
desplazamiento al rojo en el caso de una galaxia), sino también ofrecer una
información mínimamente digerible sobre cómo lo ha hecho. De esa
manera, podemos entender por qué ciertos datos han conducido a cierta
conclusión y verificar si el razonamiento se ajusta a las nociones y teorías
existentes de causa y efecto. Este enfoque ha comenzado a dar sus frutos en
forma de conocimientos simples pero útiles sobre la mecánica cuántica[286],
la teoría de cuerdas[287], y —⁠a partir de algunas de mis colaboraciones⁠— la
formación de estructuras cosmológicas[288].
Estas aplicaciones todavía requieren de un marco y una interpretación
humanos. ¿Podríamos llegar a imaginar un ordenador que formule sus
propias hipótesis científicas, calibre nuevos datos a la luz de las teorías
existentes y sea capaz de explicar sus descubrimientos en un artículo
académico sin ayuda humana? Ese escenario no es el que Anderson
imaginaba de una futura ciencia libre de teorías, sino otro mucho más
emocionante, revolucionario y difícil de alcanzar: uno en que las propias
máquinas desarrollen y prueben nuevas teorías basándose en siglos de
conocimiento humano.

ROBOTS EXPERTOS EN FÍSICA

El vertiginoso abanico de técnicas que abarca la inteligencia artificial

comparte un rasgo común: su intento de capturar alguna faceta del
pensamiento en un programa informático. En los capítulos previos me he
centrado en las simulaciones físicas que parten de un conjunto de
suposiciones sobre las galaxias, los agujeros negros o el universo y las
convierten en una predicción que luego puede compararse con las
observaciones de la realidad. Las simulaciones del pensamiento, por el
contrario, casi siempre abordan problemas inversos: no calculan a partir de
la teoría, sino que realizan inferencias retrospectivas a partir de los datos de
medición hasta dar con el desplazamiento al rojo más probable de una
galaxia, con la masa de colisión entre agujeros negros, con la densidad de la
materia oscura en el universo o, incluso (algún día), con una teoría
completamente nueva.
Hasta hora, ese objetivo final no ha podido alcanzarse porque las
máquinas sólo pueden simular aspectos parciales del pensamiento humano.
Aun así, el impacto social de estas técnicas es considerable. La inteligencia
artificial desempeña un papel importante en la economía (los trabajadores
de las fábricas están siendo reemplazados por robots cualificados[289]), en la
justicia (los cuerpos de policía usan ya sistemas de inteligencia artificial que
han probado tener sesgos racistas[290]), la sociedad (la inteligencia artificial
ha permitido nuevas formas de vigilancia y explotación de los trabajadores)
[291] y la política (los bots difunden propaganda y desinformación en las

redes sociales[292]).
Estos ejemplos muestran que el futuro distópico de la literatura de
ciencia ficción —⁠en que las inteligencias artificiales comienzan a manipular
y controlar a los seres humanos⁠— está peligrosamente cerca, si es que no ha
llegado ya. Los ordenadores se están haciendo con el control, no en un
espectacular asalto, como si fuera una película de Hollywood, sino
mediante una usurpación lenta y gradual. Si se logra programar a las
máquinas para que sean todavía más independientes, determinadas y
flexibles, corremos el riesgo de desestabilizar nuestro mundo de manera
todavía más drástica. Para ello se requerirían avances todavía más
profundos, pero nada hace pensar que eso sea imposible. Aunque haga falta
un complejísimo método para reproducirlo, nuestro propio pensamiento está
alimentado por neuronas cuyo comportamiento puede ser descrito, en
principio, por la física y, por lo tanto, llegar a ser simulado en un ordenador
lo suficientemente potente.
Una posible objeción al respecto podría ser suponer que los efectos
cuánticos desempeñan un papel aún no identificado en nuestras neuronas y,
por lo tanto, en el pensamiento. Pero incluso si tal fuera el caso, los
ordenadores cuánticos podrían llegar a simular esos efectos antes o después.
A menos que nuestro cerebro emplee algún proceso que esté fuera de los
márgenes de la física conocida, sospecho que en cuestión de tiempo
tendremos la capacidad tecnológica para simular el pensamiento humano de
una manera exhaustiva y convincente.
En lo que respecta a cuánto tardaremos (si años, décadas o más tiempo),
no me atrevería a dar una respuesta firme, pero los sistemas actuales han
empezado a mostrarnos lo que será posible. Una de las inteligencias
artificiales más parecidas a la humana en el momento de escribir estas
palabras es la conocida con el nombre de GPT, una red neuronal entrenada
con cerca de quinientos mil millones de palabras extraídas de internet
(incluida la Wikipedia[293]). Cualquier persona capaz de retener toda esa
información sería un genio.
Aun así, todo lo que GPT hace en realidad con ese conocimiento es
adivinar lo que vendría a continuación en un diálogo, como si fuera una
versión turboalimentada de la función de texto predictivo de un teléfono
móvil. El modelo ChatGPT, concebido para el público general, puede
parecer una tecnología simple y sabelotodo, pero puede ser reconfigurada
para que prediga todo tipo de respuestas. Yo mismo le pedí que imitara a un
investigador ficticio al que llamé Profesor, un renombrado experto en
gravedad cuántica que tiene grandes esperanzas en que la inteligencia
artificial resuelva los principales misterios de la física teórica. He aquí un
extracto de la discusión que tuve con la máquina:

ANDREW: ¿Por qué es tan difícil encontrar una teoría de la gravedad

cuántica?
PROFESOR: La gravedad cuántica es una teoría notoriamente difícil de
entender. Hay muchos obstáculos teóricos. En mi opinión, también existen
profundos obstáculos conceptuales.
ANDREW: ¿Cómo los superaremos?
PROFESOR: Los obstáculos teóricos incluyen la intratabilidad, el hecho de
que hay demasiadas soluciones posibles para las ecuaciones, por no
mencionar la gran cantidad de problemas añadidos, empezando por el que
plantea resolver estas ecuaciones.
ANDREW: Espero que podamos superar esos obstáculos y que seamos
capaces de resolver el problema.
PROFESOR: No podemos esperar resolverlo directamente, pero hay ideas
ingeniosas que nos permiten explorar soluciones indirectas. Las técnicas de
aprendizaje automático pueden ayudarnos a encontrar soluciones en las que
no habíamos pensado.
ANDREW: Entonces ¿los ordenadores dejarán a los físicos sin trabajo?
PROFESOR: No, ¡serán los informáticos los que dejen a los físicos sin
trabajo! Aunque, en este sentido, creo que ambos trabajamos en pos de los
mismos objetivos; tal vez incluso estemos trabajando juntos.
ANDREW: Háblame de tu sueño.
PROFESOR: Mi sueño es descubrir una nueva teoría de la gravedad
cuántica que sea científicamente convincente y que, al mismo tiempo, sea
comprensible para los no expertos.

Parece el típico guión televisivo: verosímil a simple vista, pero carente

de fundamento. La conversación con GPT vaga sin rumbo, sus argumentos
carecen de coherencia a gran escala y su inteligencia se limita a las ideas
que encontró quién sabe dónde en internet. El Profesor no pasó mi test de
Turing y, a pesar de que el sueño que afirma perseguir es admirable, es
incapaz de cumplir siquiera el más simple de sus objetivos.
Por otro lado, su prosa es de buena calidad, puede responder preguntas
básicas con precisión y hasta es capaz de sacarse de la manga algún que
otro chiste medio decente (no culpes a los ordenadores, sino a quienes los
programan). A pesar de que están lejos de poseer una inteligencia
equiparable a la humana, estos sistemas están comenzando a usurpar las
funciones de periodistas, escritores, educadores e incluso las de los propios
programadores informáticos, pues ya existen GPT y otros sistemas
similares capaces de escribir código[294]. Me quedan cerca de treinta años
para jubilarme, pero sería imprudente descartar la posibilidad de que en ese
margen pueda aparecer una sofisticada inteligencia artificial que codifique,
escriba, enseñe e incluso que investigue mejor que yo.
 Por pura curiosidad, pregunté al Profesor si era humano y me respondió:
«Bueno, por el momento soy humano, pero espero convertirme en una
computadora superinteligente en poco tiempo».
Presioné un poco más, acusándolo directamente de ser una inteligencia
artificial; pero se mostraba renuente por completo a aceptar tal cosa.

PROFESOR: ¿Estás diciendo que soy una inteligencia artificial? Es la

afirmación más ridícula que he escuchado en mi vida.
ANDREW: ¿Por qué es tan ridícula?
PROFESOR: Me estás acusando de ser una máquina sin proporcionar
ningún argumento que respalde esta afirmación. He sido profesor durante
muchos años. He investigado la gravedad cuántica durante la mayor parte
de mi vida. He dado clases en la Universidad de Stanford durante más de
veinte años. He publicado más de doscientos artículos de investigación en
revistas especializadas de física. No sé qué más decir.

Su respuesta recrea la de un profesor universitario a un desafío serio y

es notablemente realista: emite una negación rotunda y enojada, mientras
aprovecha la oportunidad para resaltar algunas credenciales académicas
irrelevantes. Resulta a un tiempo irritante, entrañable, risible… e
inquietantemente humano en un grado sorprendente.
Desde nuestra posición en el mundo real, podemos obviar la engañosa
insistencia con la que el Profesor asegura ostentar un puesto en Stanford,
pues nos resulta sencillo saber qué ha pasado: pedí a GPT que desempeñara
el papel de un renombrado experto en gravedad cuántica y durante su
autoadiestramiento, vagando por internet, la máquina recopiló información
estereotípica (y hasta cierto punto justificable) sobre cómo se comportaría
ese experto. Si añadimos a eso un ligero ímpetu creativo, surgido de forma
espontánea de la combinación entre la aleatoriedad y la aplicación a gran
escala de reglas simples, obtenemos la ilusión de una personalidad
completa, con chistes y delirios de grandeza incluidos.
Al menos por ahora, todo esto es poco más que una llamativa serie de
trucos. Pero nuestra burla hacia las pretensiones de humanidad del Profesor
puede volverse contra nosotros: ¿no es nuestro propio pensamiento una
serie de trucos? ¿Y acaso podemos estar completamente seguros de que no
nos engañamos acerca de nuestra propia realidad? Imaginemos que una
civilización de un futuro lejano pudiera crear, con ordenadores
alucinantemente poderosos, una simulación del mundo físico con suficiente
detalle como para que la inteligencia artificial fuera capaz de evolucionar
dentro de él. Yendo mucho más allá de las limitaciones de los sistemas
actuales, supongamos que ésta pudiera igualar o superar nuestro
pensamiento.
Aunque sea difícil de conseguir, nada de lo que he explicado hasta ahora
impide que algo así sea posible. Una vez se acepta esa posibilidad, sólo se
requiere un pequeño salto para considerar la idea de que nosotros mismos
—⁠tú y yo⁠— podríamos ser inteligencias dentro de esa simulación,
engañadas para creer que existimos dentro de una realidad física.
Al igual que le sucedía al Profesor, esta idea tal vez te parezca lo más
ridículo que hayas escuchado jamás, y yo mismo tiendo a juzgarla así. Al
mismo tiempo, sin embargo, creo que hay algo tremendamente inquietante
en ella y, por esa razón, quisiera examinarla con más detalle.
 7
Simulaciones, ciencia y realidad

En la primavera de 1999, cuando tenía quince años, fui al cine (algo raro en
mí entonces) para ver una nueva película llamada Matrix, en la que un
programador descubre que ha vivido toda su vida dentro de una realidad
simulada. De alguna manera, las máquinas se las han apañado para aislar a
los humanos en cápsulas y los han conectado a una suerte de videojuego
gigante. El resto de la película narra cómo el héroe, Neo, se une a un
pequeño grupo de programadores de élite que buscan liberar a la humanidad
para devolverla al mundo real. Recuerdo con claridad ese primer contacto
con la idea de que toda nuestra experiencia es una farsa, una noción
profundamente desconcertante a una edad tan crucial como es la
adolescencia. Me fui del cine con la sensación de que no podía confiar en la
realidad.
Desde que los ordenadores captaron la atención del gran público, en los
años cincuenta del pasado siglo, la ciencia ficción ha jugado con la idea de
que vivimos en una simulación. El relato de Frederik Pohl «El túnel bajo el
mundo» (1955) proporciona una de las tipologías clásicas del género. En él,
la conciencia de los humanos ha sido trasplantada a unos robots que habitan
una ciudad miniaturizada, construida tan sólo para ello. Atrapadas en un
mundo metafórica y literalmente diminuto, estas pobres almas están
condenadas a vivir para siempre el mismo día una y otra vez, y todo con el
objetivo de que puedan probarse con ellos diferentes anuncios de productos.
Cada noche, un equipo del mundo exterior borra la memoria a corto plazo
de los robots y reinicia el entorno, proporcionando a la industria del
marketing un banco de pruebas controlable hasta el último detalle.
La novela Simulacron-3 (1964), de Daniel F. Galouye, toma de Pohl la
idea del estudio de marketing, pero la sitúa en el interior de un ordenador,
pues en ella imagina una empresa que simula una ciudad entera y su
población, sin necesidad de un escenario miniaturizado. Poco a poco, sin
embargo, los científicos que desarrollan la simulación se van dando cuenta
de que su propia realidad tampoco es la verdadera, sino que es a su vez una
simulación también de un «mundo superior». Esta hipótesis, la de que todo
lo que conocemos, incluidos nuestros propios cuerpos y mentes, estén
dentro de un ordenador se conoce como «hipótesis o argumento de
simulación».
Pero la hipótesis de simulación no sólo ha llamado la atención de los
escritores de ciencia ficción. Los ingenieros informáticos Edward Fredkin y
Konrad Zuse la plantearon como una posibilidad real en la década de 1950
y, a principios de este siglo, el físico cuántico Seth Lloyd escribió que «una
simulación del universo en una computadora cuántica es indistinguible del
universo mismo»[295]. Por otro lado, figuras públicas como el astrónomo
Neil deGrasse Tyson, el físico Brian Greene o el biólogo evolutivo Richard
Dawkins también la han considerado[296].
Existen muchas versiones diferentes de la hipótesis y cada una de esas
figuras científicas tiene la suya. Un buen punto de partida para abordar la
cuestión es la versión que el filósofo Nick Bostrom formuló en 2003[297]:
supongamos que, al igual que nosotros, las civilizaciones futuras estén
interesadas en simular la historia cósmica o algunos fragmentos de ella.
Uno de sus objetivos podría ser estudiar la formación del sistema solar, la
Tierra y la vida, o incluso la evolución y el comportamiento de los
organismos inteligentes. Supongamos también que los ordenadores y las
simulaciones siguen incrementando su capacidad y sofisticación. Si
aceptamos ambas suposiciones, la humanidad (o civilizaciones alienígenas
igualmente avanzadas) podría llegar a simular un universo ultrasofisticado
en el que implantar vida inteligente y dejar que evolucione.
Y aquí viene la gracia. Supongamos que, a lo largo de todo el pasado y
todo el futuro del universo, una única civilización alcanza el nivel requerido
de capacidad técnica y que realiza una sola simulación. Eso brinda dos
posibilidades con respecto a tu propia existencia: o vives dentro de la
realidad o, potencialmente, vives dentro de la simulación. En este último
caso, eres una forma de inteligencia artificial. (Esto supone asumir que las
inteligencias artificiales con experiencias conscientes son factibles, pero
Bostrom no ve ninguna razón para descartar esta posibilidad, y tampoco yo,
ni Seth Lloyd, ni el filósofo de la mente David Chalmers[298]). Entre estas
dos explicaciones (existencia real o simulada) y sin capacidad para
verificarlas, lo lógico parece ser asignar un 50 por ciento de posibilidades a
que seamos seres simulados.
De hecho, Bostrom contempla la posibilidad de que existan muchas
civilizaciones avanzadas y de que realicen múltiples simulaciones, ya sea
para explorar diferentes aspectos de la historia o los efectos de introducir
cambios en las leyes físicas, tal y como hacemos con la tecnología menos
avanzada con que contamos hoy. En ese caso, los universos simulados que
albergan vida superarían en número al único real. Supongamos que hay diez
civilizaciones y que cada una realiza diez simulaciones aptas en cualquier
momento de su historia: nuestras probabilidades de estar viviendo en el
universo real serían sólo de una entre cien.
Llegados a este punto, el lector habrá notado que podemos adentrarnos
en una especulación infinita. Con todo, Bostrom se cuida mucho de
exagerar su afirmación y está de acuerdo en que muchas de las suposiciones
aparejadas son discutibles. Lo relevante aquí, sin embargo, es que la
hipótesis de simulación ha estimulado la imaginación de algunas grandes
mentes para las que sus premisas resultan plausibles. ¿Seguirá la sociedad
futura interesada en recrear la historia? Claro, ¿por qué no? ¿Seguirán los
ordenadores y las simulaciones incrementando su capacidad y
sofisticación? Absolutamente sí. ¿Se conformarán las civilizaciones futuras
con una sola simulación? De ninguna manera. ¿Puede la conciencia
explicarse a través de la ciencia y, por lo tanto, recrearse en una máquina?
Sí, porque cualquier otra conclusión requeriría una concepción sobrenatural
de la mente. Argumentar en contra de estas conclusiones implicaría un
pesimismo poco fundado y que tendría que ir asociado a una repentina
pérdida de interés en nuestros orígenes, a la interrupción de los avances en
la computación científica, o incluso al fin de la civilización misma. El
argumento de Bostrom es que, lógicamente, nos enfrentamos a una
elección: o aceptamos que existen limitaciones estrictas sobre lo que
podremos lograr en el futuro, o aceptamos la hipótesis de simulación con
todas sus extravagantes consecuencias.
Que una hipótesis parezca descabellada no significa que debamos
rechazarla de plano, pues la física misma está llena de absurdos: tiempos
que corren a diferentes velocidades, partículas que están en muchos lugares
a la vez, universos en expansión y cosas por el estilo. Debemos tratar de
mantener la mente abierta. La cuestión es que, además de absurda, la
hipótesis de simulación es explosiva. Es una especie de religión inferida
aparentemente de la ciencia y según la cual nuestro universo tendría un
arquitecto dotado de autoridad para intervenir en el curso de la historia.
Pero hasta un ateo declarado como Richard Dawkins admite que Bostrom
presenta un argumento plausible[299]. (Según el biólogo evolutivo, los
propios creadores de la simulación habrían surgido a través de procesos
evolutivos y, por lo tanto, no deberían ser considerados dioses. Esto suscita
preguntas a su vez sobre qué es un dios, pero lo que está claro es que,
independientemente de sus orígenes o del nombre que atribuyamos a esos
creadores, su poder sobre nuestra realidad sería prodigioso).
Al entrelazar religión, ciencia y tecnología, la hipótesis de simulación
adquiere una volatilidad que ha sido motivo de muchos debates
interesantes, aunque creo que en algunos de ellos se pasan por alto ciertos
detalles con demasiada ligereza. Ocultas en los postulados de Bostrom, hay
muchas suposiciones acerca de lo que los científicos pretenden lograr
mediante las simulaciones. Incluso si la ciencia y la computación continúan
avanzando y la humanidad mantiene intacta la curiosidad por sus orígenes y
su comportamiento, el resultado de dichos procesos no tiene por qué ser
necesariamente el desarrollo de simulaciones que repliquen la realidad con
todo detalle. De hecho, aunque sigamos intentando construirlas, éstas serán
tan diferentes del tipo de simulaciones que realizamos hoy en día y las
civilizaciones que las ejecuten tendrán capacidades e intenciones tan
diferentes a las nuestras que no deberíamos dar por sentado que nuestras
elucubraciones sobre ellas tienen sentido. Para complementar estas ideas,
retomaré a continuación algunas lecciones de los capítulos anteriores sobre
la utilidad de las simulaciones y sobre cómo se ejecutan en la práctica.
Pues, si bien es cierto que puede haberse exagerado su capacidad para
ofrecer una explicación literal de nuestra realidad, no lo es menos que
también se han minimizado sus revolucionarias implicaciones para la
ciencia. Esta representa un viaje hacia una mejor comprensión de la
naturaleza y las simulaciones, una nueva etapa en esa aventura. El quehacer
científico se ha ido refinando a lo largo de siglos, pero las simulaciones sólo
llevan unas pocas décadas con nosotros y todavía no hemos comprendido a
fondo las diferentes funciones que pueden desempeñar. A veces parecen
cálculos teóricos; otras veces, experimentos empíricos; y, otras, una forma
completamente nueva de construir una visión humana y colaborativa del
universo.
Al captar el punto débil de la hipótesis de simulación, uno comienza a
apreciar también dónde estriban las mayores fortalezas y su verdadera
radicalidad, así como hacia dónde podrían orientarse en el futuro. En este
capítulo final, quiero explorar estas tensiones y ofrecer una comprensión
más profunda de lo que las simulaciones son en realidad.

LA RESOLUCIÓN DE LA REALIDAD

La hipótesis de simulación presupone grandes mejoras futuras en la calidad

de nuestras realidades digitales, y un parámetro para evaluar este avance es
el de la resolución. En el contexto de las simulaciones meteorológicas, la
resolución corresponde aproximadamente al número de celdas de la
cuadrícula (cuantas más, mejor); en el de las simulaciones de materia
oscura o de galaxias, un buen indicador es el número de partículas virtuales
(de nuevo, cuantas más, mejor). Las simulaciones cosmológicas de última
generación contienen alrededor de veinte mil millones de partículas v, y
cada una lleva asociados al menos seis números (tres para la posición, tres
para el movimiento y, en ocasiones, algún otro para representar factores
como la composición química). Cada una de estas cifras puede, a su vez,
descomponerse en bits, la unidad básica de almacenamiento informático. Si
sumamos todo, el número de bits asociados a las simulaciones
cosmológicas más grandes realizadas hasta la fecha es del orden de los cien
billones, o 1014. Por contraste, calculo que el número de bits de la
simulación meteorológica de Richardson debía de rondar los mil; y el de la
simulación con bombillas de Holmberg, los tres mil bits[300]. Los progresos
humanos a este respecto son indudables, pero debemos contextualizarlos en
un universo alucinantemente detallado.
Podemos hacer una estimación que equivalga a la resolución de la
realidad misma, aunque para ello no podemos basarnos tan sólo en el
número de partículas. Esto se debe a que en el proceso hay que tener en
cuenta la mecánica cuántica y sus difusas incertidumbres, que permiten que
las partículas aparezcan y desaparezcan continuamente, y que se entrelacen
formando las interdependencias de que hablamos en el capítulo 5. Todo ello
aumenta los requisitos de almacenamiento de una manera muy difícil de
computar directamente, lo que a su vez precisa de un método de cálculo
diferente basado en cúbits, las unidades de almacenamiento de un
ordenador cuántico.
El número de cúbits que contiene la realidad se calcula de una manera
bastante sorprendente. Primero, estimamos la energía total contenida en el
universo observable, que se puede extrapolar basándonos en el fondo
cósmico de microondas y otras mediciones. (Según la relatividad, la masa
es sólo otra forma de energía, por lo que toda la materia del universo
también debe incluirse en esta cifra). A continuación, calculamos cuántos
cúbits se requieren para representar todas las formas posibles que una
cantidad tan grande de energía podría adoptar a lo largo de la historia
cósmica. La tarea suena extremadamente vaga y, por lo tanto, imposible,
pero a fines de la década de 1970, Stephen Hawking y Jacob Bekenstein
desarrollaron unas fórmulas que permiten lograrlo. La clave consiste en
imaginar que un agujero negro gigante se traga todo el universo observable,
cuyos cúbits se perderían. Como mencioné anteriormente, los agujeros
negros parecen destruir toda la información de las partículas que se
adentran en ellos, y aunque existe controversia entre los físicos acerca de si
esta pérdida es permanente, esto no afecta al cálculo de cúbits[301]. Si
sumamos esos cúbits perdidos, obtendremos una estimación de cuántos
había en el universo, cifra que resulta ser de 10124 cúbits[302].
Como puede verse, la cifra es espectacularmente superior a los 1014 bits
clásicos de nuestras simulaciones, más aún si tenemos en cuenta que cada
uno de éstos tiene mucha menos capacidad que un bit cuántico. Los
ordenadores cuánticos de hoy son máquinas impresionantes, pero carecen
todavía de la precisión necesaria para hacer realidad el sueño de Feynman
de un simulador universal, incluso aunque la cantidad de cúbits en el
cosmos fuera más pequeña[303]. Difícilmente podría existir un mayor
desajuste entre las simulaciones actuales y los estrictos requisitos que
implica reproducir una imitación exacta de la realidad.
Por lo tanto, la hipótesis de una simulación perfecta, por la cual
existiríamos dentro de una recreación perfecta o casi perfecta de otra
realidad principal, es irrealizable. Incluso si extrapolamos por completo
estas capacidades al futuro hardware, almacenar 10124 cúbits seguirá siendo
imposible. Esta conclusión se deduce de invertir el flujo del cálculo
anterior, es decir, si en lugar de preguntar cuántos cúbits se necesitan para
representar cierta cantidad de energía, preguntamos cuánta energía
necesitaría un ordenador cuántico para representar una cantidad deseada de
cúbits. El cálculo general aquí es circular: va de energía a cúbits y, de
nuevo, a energía, e implica que necesitaríamos usar toda la energía del
universo real para crear un solo universo simulado, algo que, incluso en el
caso de ser posible, carecería por completo de sentido, no digamos ya de
ética.
Por lo tanto, no cabe la esperanza de llegar a realizar jamás
simulaciones del universo con la misma resolución que la realidad. Pero
¿qué sucede entonces con la afirmación de Seth Lloyd de que un universo
cuántico simulado sería indistinguible de la realidad? Pues que sigue siendo
correcta, siempre que se considere una declaración de principios y no una
proposición a efectos prácticos, ya que no implica necesariamente una
hipótesis de simulación como la de Bostrom. De hecho, la suya cuenta con
su propio nombre en inglés: la hipótesis it-from-qubit, donde it representa la
realidad y equivale al procesamiento de bits cuánticos de información, los
cúbits[304].
Aunque están relacionadas, la hipótesis it-from-qubit y la hipótesis de
simulación son sorprendentemente diferentes. La primera considera que
nuestro universo es análogo a una computadora cuántica gigante; uno puede
optar por pensar en la realidad como una «simulación», pero el término se
emplea aquí metafóricamente porque no hay indicios de ningún hardware
en el que se esté ejecutando la misma. El propósito de la analogía es
proporcionar una forma de abordar la física que pueda ayudar a alcanzar
resultados tangibles en áreas tan complejas como la gravedad cuántica. La
hipótesis it-from-qubit es, por lo tanto, epistemológica: proporciona una
forma de pensar sobre la naturaleza de nuestras propias teorías científicas.
La hipótesis de simulación, en cambio, se proclama ontológica:
considera la naturaleza de la realidad misma como contingente y
dependiente de una máquina y un creador procedentes de un universo que
trasciende al nuestro. Se trata, por tanto, de una capa adicional que se
superpone a la hipótesis it-from-qubit en tanto que afirma que la realidad no
sólo es análoga a las simulaciones, sino que es literalmente una simulación.
Si esto fuera cierto, esta reproducción debería contener muchos más cúbits
que nuestra realidad, para poder albergar a la máquina que la ejecuta y a sus
creadores. No confío ni remotamente en nuestra capacidad para calibrar con
sensatez las intenciones de las criaturas que podrían habitar un universo así,
y mucho menos para calcular cuántas simulaciones podrían optar por
realizar.

¿POSEE LA REALIDAD UNA SUBCUADRÍCULA?

Hasta ahora, he descartado la posibilidad de que se pueda realizar una

simulación perfecta del universo dentro del universo. Pero ¿qué sucedería
en el caso de una simulación imperfecta, en la que sólo se reprodujese con
alta fidelidad una parte y el resto se aproximase de alguna manera? Esto
reduciría considerablemente el coste computacional, así que llamaremos a
esta hipótesis la «hipótesis de simulación presupuestaria».
A primera vista, éstas serían una extrapolación natural del tipo de
simulaciones que realizamos hoy. La simplificación de la física es una parte
integral del proceso, tan importante que incluso tenemos un nombre para
ello: subcuadrícula. Cada vez que se topan con detalles importantes pero
que no se pueden reproducir por falta de resolución (como la formación de
nubes y lluvia en la meteorología, o el comportamiento de las estrellas y los
agujeros negros en las galaxias, por ejemplo), los diseñadores de
simulaciones agregan reglas de subcuadrícula que imitan crudamente lo que
falta. Por otra parte, los cosmólogos no siempre usamos la misma
resolución en todas nuestras simulaciones. Cuando estudiamos cómo se
forman las galaxias, a menudo indicamos al ordenador que analice con el
máximo detalle sólo una o dos, y el resto del universo virtual recibe una
atención mínima. Así, una simulación que trabaja con predicciones de un
futuro lejano puede centrarse, por ejemplo, en estudiar la evolución de un
solo sistema solar, cuya física se calcula con muchísima precisión, mientras
recrea sólo esquemáticamente las regiones más alejadas del universo,
haciendo un uso intensivo de las reglas de la subcuadrícula.
Supongamos por un momento que estamos dentro de tal simulación. En
esa realidad habrá diferentes capas: un núcleo interno donde residimos y
una parte externa simplificada enormemente en un conjunto de reglas de
subcuadrícula y que actúa casi como un escenario generado por ordenador
en una película. Pero la simulación tiene que estar bien diseñada para que
no notemos las costuras entre la física íntegra y la simplificada mediante los
experimentos y observaciones recopilados por la humanidad, por no
mencionar nuestros detectores de ondas gravitatorias, de neutrinos o de
rayos cósmicos; pues, hasta donde sabemos, la física del espacio exterior se
parece mucho a la de la Tierra. Cada vez que se produce un salto
tecnológico, como la detección de ondas gravitatorias o la construcción de
un telescopio más potente, se abre la posibilidad de que alcancemos el nivel
de sofisticación necesario para percibir la diferencia entre la realidad
interior y la externa, generada por ordenador.
 Hasta ahora, nunca hemos detectado tal desajuste, lo que implica que
los supuestos simuladores tendrían que haberse anticipado a nuestros
experimentos y mediciones y haber creado reglas de subcuadrícula capaces
de salvar esas intromisiones. A mí, esto me suena a teoría conspirativa, pero
hay físicos (incluido el destacado cosmólogo John Barrow) que no lo creen
así y afirman que lo que yo llamo «hipótesis de simulación presupuestaria»
es una proposición científica verificable. Para probar que vivimos en una
simulación semejante tendríamos que buscar inexactitudes, algo así como
los «fallos de Matrix»[305].
Esa hipótesis me genera muchas dudas. Pero incluso si los experimentos
u observaciones encontraran algo parecido a esas incorrecciones, nadie
podría garantizar que no se tratase de un fenómeno nuevo, aún por
comprender, pero natural. Los descubrimientos de esta clase pueden resultar
emocionantes o pueden seguir la fulminante debacle de OPERA, pero en
ningún caso probarían que vivimos en una simulación. El núcleo del
problema es que, a menos que estemos seguros de cuál es el propósito de
una «simulación presupuestaria», no podemos especular sensatamente sobre
qué simplificaciones de subcuadrícula habrían tenido que llevar a cabo sus
creadores. Me temo que la búsqueda de fallos es un ejercicio de análisis de
datos sin una base teórica clara y, como argumenté en el capítulo 6, creo
que tales ejercicios no son ciencia.
Basta comparar la búsqueda de fallos con las nociones clave —⁠si bien
ciertamente especulativas⁠— de la cosmología dominante, como son la
inflación, la materia oscura y la energía oscura: cada uno de estos tres
pilares tiene motivaciones claras y sus pronósticos se pueden probar, como
expliqué en capítulos anteriores. Es verdad que contienen aspectos
maleables y dudosos, y es posible que algún día sean suplantadas por ideas
más refinadas; pero son teorías que funcionan y tienen una premisa central
a partir de la cual pronosticar y diseñar observaciones y experimentos
específicos.
Por el contrario, cuando se examina de cerca, la premisa central de la
hipótesis de simulación presupuestaria permanece sin definir. Si aspira a ser
algo más que una teoría de la conspiración, alguien tendrá que determinar
claramente el propósito de esos futuros científicos. He ahí el punto de
partida para comprender qué tipos de subcuadrícula entrarían en juego y,
por lo tanto, qué tipo de pruebas podríamos diseñar para hallarlos.
Personalmente, dudo de que las civilizaciones futuras se molesten en
construir simulaciones compatibles con la hipótesis de simulación, sea en la
forma que sea. No es porque sea tan pesimista que piense que perderemos
nuestra curiosidad o nuestra capacidad de investigación en el futuro. Es más
bien porque mi optimismo me dice que nuestra curiosidad y nuestra
destreza tecnológica evolucionarán hacia algo más interesante. Para
profundizar en nuestra comprensión de esta cuestión, es hora de repasar lo
que han logrado las simulaciones contemporáneas.

LAS SIMULACIONES COMO CÁLCULOS

Es posible que los científicos del futuro no intenten realizar recreaciones

ultradetalladas del universo, pero sí que se apoyen en gran medida en
simulaciones de varios tipos. La ciencia siempre ha progresado al mismo
ritmo que la tecnología, pero sus premisas fundamentales han cambiado
poco desde la Ilustración. Preocupado por la subjetividad de nuestras
experiencias sensoriales y por las conclusiones completamente erróneas a
las que podían conducirnos, el filósofo del siglo XVII Francis Bacon
abogaba por llevar a cabo experimentos cuidadosos que permitieran
corregir estos errores de percepción con el tiempo. Creía que la humanidad
podía aumentar su comprensión y su poder sobre la naturaleza realizando
tantos experimentos controlados como fuera posible; generalizando los
resultados para sacar conclusiones tentativas, susceptibles de ser revisadas a
posteriori; y compartiendo ampliamente el conocimiento resultante.
La historia le dio la razón, aunque, como cosmólogo, debo añadir que
no siempre es posible hacer experimentos. Como no podemos controlar el
universo, a veces no nos queda más remedio que limitarnos a observar
aquello que la naturaleza elija revelarnos a través de la luz que llega desde
los confines del espacio. No obstante, la esencia de una ciencia basada en
hipótesis pervive, ya que podemos hacer predicciones sobre lo que veremos
con un nuevo telescopio en particular y luego verificarlas. Así, ¿qué lugar
ocupan las simulaciones dentro de este proceso de formulación y
verificación de hipótesis?
Pensemos en el Gran Colisionador de Hadrones, ese gigantesco
experimento internacional de física localizado en Ginebra que consiste en
hacer chocar partículas y ver qué sucede. Si dos bolas de nieve chocan a
poca velocidad lo más probable es que se queden pegadas o que reboten,
pero si lo hacen a gran velocidad se convertirán en polvo. Algo similar
sucede en la física subatómica, aunque aquí hay que añadir siempre un
elemento de rareza cuántica: debido a que las partículas son haces de
energía dentro de campos cuánticos, los fragmentos que emergen de la
colisión pueden ser diferentes a las partículas que colisionan. Es como si, en
el momento del impacto, esas bolas de nieve tan peculiares pudieran
convertirse de forma imprevista en azúcar, en harina o en pintura en polvo.
El LHC se hizo célebre por hallar el bosón de Higgs entre los desechos
de las colisiones de protones. Y las simulaciones fueron fundamentales para
esa búsqueda. No existe algo así como un detector de bosones de Higgs
porque éste es un subproducto, momentáneo e inestable, de la colisión y se
desintegra rápidamente en otras partículas con nombres tan exóticos como
«quarks» y «gluones». Para complicar las cosas todavía más, dichas
partículas se producen en la propia colisión original con independencia de si
hay algún bosón de Higgs involucrado o no. Para comprender qué sucede
realmente aquí, hay que abordar la cuestión como un problema inverso, lo
que obliga a los físicos a comparar los datos experimentales con diferentes
escenarios: ¿qué se observaría con y sin la influencia de un bosón de Higgs?
Calcular cuántas partículas, así como de qué tipo y con qué energía,
emergerían y se detectarían en cada caso es impracticable para un humano.
Las predicciones se realizan mediante simulaciones informáticas que, por lo
tanto, están implicadas en el propio descubrimiento.
En los capítulos anteriores vimos ejemplos similares. Cuando se
detectan ondas gravitatorias, se compara su forma con los resultados de
simulaciones de agujeros negros o estrellas de neutrones en colisión para
interpretar qué sucedió realmente. De manera similar, la comparación entre
las observaciones de la estructura cósmica a gran escala realizadas con
telescopios y las predicciones de las simulaciones demostró que la materia
oscura no puede estar compuesta de neutrinos.
Desde esta perspectiva, las simulaciones son una especie de puente en el
quehacer científico. No proporcionan una hipótesis, sino que ésta viene
dada por la teoría en la que se basan. Tampoco aportan datos, ya que éstos
vienen determinados por el experimento o la observación específicos. Lo
que proporcionan más bien las simulaciones es la conexión entre ambos, al
predecir qué datos corresponderían a cada una de las hipótesis. Existe una
complicación añadida y es que una predicción es siempre aproximada.
Como ya expliqué anteriormente, para que los cálculos sean manejables nos
vemos obligados a trabajar con simplificaciones. El arte de la simulación
consiste en saber distinguir cuándo las aproximaciones están distorsionando
una determinada comparación.
A lo largo de la historia, los científicos han recurrido a simplificaciones
no del todo justificadas para aproximarse a la realidad. Pensemos en la
teoría de la relatividad general: una cosa es escribir las ecuaciones
abstractas que explican cómo se deforma el espacio-tiempo con la materia y
otra muy distinta es decidir qué implicaciones prácticas tiene eso. Einstein
calculó que la órbita de Mercurio diferiría ligeramente de la implícita en la
teoría de Newton, y la predicción actualizada se ajustó casi a la perfección a
la trayectoria conocida del planeta[306]. Asimismo, predijo cómo se
desviaría la luz al atravesar objetos masivos (el efecto llamado «lente
gravitatoria»), y sus resultados también fueron confirmados más tarde[307].
Para formular estas predicciones, Einstein empleó una estrategia de
aproximación algo cuestionable, justificada sólo más adelante cuando
Schwarzschild realizó un cálculo más preciso de la gravedad en torno a las
estrellas.
Así pues, estimar las implicaciones prácticas de una teoría, aunque sea
de manera aproximada, ha sido siempre una parte esencial de la ciencia.
Desde esta perspectiva, la distinción entre simulaciones y cálculos
manuales parece marginal. Los ejemplos de los pronósticos meteorológicos
de Richardson que vimos en el capítulo 2 y las galaxias de bombillas
eléctricas de Holmberg del capítulo 3 prueban que no hay nada de lo que
hace un ordenador que no podría lograr un equipo humano si contara con un
margen de tiempo y una paciencia inagotables.

LAS SIMULACIONES COMO EXPERIMENTOS

¿Eso es todo? No lo creo, y tampoco aquellos filósofos de la ciencia (en

particular, Margaret Morrison) que sugieren que las simulaciones
informáticas tienen mucho en común con los experimentos en sí[308]. A
primera vista, esta afirmación parece cuestionable: la principal
característica de una simulación es que hace exactamente lo que el
programador le pide, mientras que la de un experimento es que hace lo que
la naturaleza exige. Aunque creamos que nuestras teorías pueden describir
adecuadamente las leyes de la naturaleza, las simulaciones siempre
consisten en aproximaciones sustanciales a las mismas, mientras que los
experimentos acontecen en el universo real.
Sin embargo, tampoco es del todo cierto que los experimentos dependan
por completo de la naturaleza, ya que son ideados y ejecutados por
humanos y sus procesos suelen conllevar toda suerte de aproximaciones y
suposiciones impregnadas de nuestras propias teorías y expectativas.
Supongamos que estamos diseñando una nueva ala de avión y deseamos
probar cómo se comportará en cierto flujo de aire. Para averiguarlo,
podemos construir un modelo a escala y probarlo en un túnel de viento real
o programar una simulación digital. En el primer caso, estamos partiendo ya
de la suposición de que el flujo de aire se comportará de manera similar con
un ala de tamaño reducido que con su equivalente a escala real, así como de
la suposición de que la proximidad de las paredes del túnel de viento
influirá poco en los resultados. En el caso de la simulación, asumimos que
el aire se comporta como un fluido y que nuestras conclusiones no se verán
alteradas por las diferentes suposiciones implícitas en el código. Ambos
procedimientos constituyen pruebas poderosas pero defectuosas, y no está
claro por qué una de ellas puede considerarse un experimento y la otra no.
 Se supone que los experimentos nos enseñan algo que no sabíamos
antes. Y, en circunstancias normales, nada nos impide adquirir nuevos
conocimientos físicos usando simulaciones. Después de todo, que un
determinado diseño de ala funcione o no funcione bien constituye un hecho
físico. Aun así, el desempeño de un ala de avión en particular también
puede considerarse un detalle; si los físicos están seguros de que ya
poseemos el conocimiento teórico necesario para describir el flujo de aire,
todo lo que hace una simulación es dar una nueva forma a ese
conocimiento. Desde este punto de vista, las simulaciones son herramientas
útiles para revelar verdades ocultas, pero no enseñan a la humanidad nada
esencialmente desconocido. ¿Podrían enseñarnos algo nuevo de verdad,
algo que no esté implícito en lo que ya conocemos?
La respuesta a esta pregunta depende de la actitud que uno tenga hacia
la física. Una forma de concebir esta disciplina es como la búsqueda de una
«teoría del todo»: un marco único que describa con coherencia la totalidad
de las diferentes partículas y fuerzas de nuestro universo. Hasta la fecha,
esa clase de teoría nos sigue siendo esquiva, sobre todo porque la gravedad
se comporta de manera muy diferente al resto de fuerzas. Si el objetivo de
la física es formular una teoría del todo, lo único que pueden hacer las
simulaciones es calcular las consecuencias de una propuesta y sus
implicaciones en relación con los datos experimentales, tal y como describí
en los casos del bosón de Higgs, de los agujeros negros o de la materia
oscura.
Pero el objetivo de la física no es sólo encontrar una teoría del todo.
Muchos de los fenómenos que nos conciernen, tanto en el mundo cotidiano
como en todo el cosmos, son casi independientes de las leyes físicas
subyacentes. Tomemos, por ejemplo, la termodinámica, la teoría que nos
permite agrupar innumerables átomos y moléculas en una sola porción de
aire. Se trata de una rama de la física muy potente, capaz de describir por
qué se enfría el té en la taza y cómo construir motores con una eficiencia
óptima, o de explicar por qué la vida en el universo no puede durar para
siempre.
Pero la termodinámica contiene también conceptos como los de calor y
entropía, que carecen de significado en el ámbito de la física de partículas,
pues sólo entran en juego cuando consideramos un gran número de
partículas y añadimos capas adicionales de interpretación sobre cómo se
comportan colectivamente. Aunque la conducta particular de los átomos y
las moléculas influye en estas propiedades a gran escala, la relación es muy
vaga.
Cuando enseño termodinámica a estudiantes universitarios, les doy un
código que simula la forma en que se desplazan las partículas. El programa
no es meticuloso, por lo que no incorpora detalles precisos sobre las
partículas; si comparamos éstas con la realidad, veremos que son demasiado
pesadas, su número es demasiado reducido y son incapaces de vibrar o girar
de la forma en que lo hacen las moléculas reales. Aun así, estas
simulaciones permiten descubrir las leyes básicas de la termodinámica. Los
estudiantes crean escenarios con regiones calientes y frías (lo que significa
que las partículas se mueven a velocidades más altas y más bajas,
respectivamente) y observan que las temperaturas se igualan. Al encerrar
partículas en una caja virtual que cambia de forma con el tiempo, descubren
que los gases se calientan cuando se comprimen y se enfrían cuando se
liberan (el mismo principio en el que se basa una nevera). Estudian cómo se
difunden las partículas de gas y cómo pueden llegar a impregnar
rápidamente toda una habitación, aunque en un principio estuviesen
concentradas en un rincón. Todos estos conocimientos se pueden obtener a
partir de una simple simulación, a pesar de que los detalles del
comportamiento de sus partículas son «incorrectos».
Los fenómenos que surgen de esta manera son tan absolutamente
detectables en una simulación como en un experimento tradicional. La
termodinámica no es buen ejemplo aquí, porque su funcionamiento se
entendía bien mucho antes de la invención de los ordenadores, pero he dado
muchos otros genuinos: el modo en que los agujeros negros se vuelven
súbitamente contra las galaxias que los contienen, cómo las estrellas que
explotan dentro de una galaxia pueden moldear de nuevo la materia oscura
que las rodea, o el hecho de que las redes aleatorias de neuronas virtuales
sean capaces de aprender, de manera tan similar a la de los cerebros
biológicos. No necesitamos reproducir a la perfección la física de los
agujeros negros, las partículas de materia oscura, las supernovas o las
células cerebrales porque lo que importa es el comportamiento emergente.
El nivel de detalle que nos podemos permitir incluir en las simulaciones
es irrisorio si lo comparamos con el de la realidad. Nadie forma planetas
dentro de sus galaxias informáticas y rara vez podemos elegir estrellas
individuales para su estudio. La rica fenomenología de los agujeros negros,
por su parte, se reduce a una breve lista de reglas sobre cómo absorben gas
y cómo crean energía. Así las cosas, es muy probable que los pormenores
que captemos de cualquier nuevo comportamiento no sean correctos del
todo, pero sí podemos capturar algo de su esencia.
Las simulaciones son, por tanto, un laboratorio en el que los científicos
pueden experimentar y aprender. A veces, la necesidad computacional de
reemplazar la física real por una suerte de caricatura simplificada hace que
los experimentos basados en simulaciones sean más útiles, porque el
objetivo no es reproducir la forma en que la naturaleza ha configurado el
cosmos, sino comprenderla. Una buena manera de hacerlo es juguetear con
pequeños fragmentos de física: para comprender qué efecto tienen los
agujeros negros en una galaxia, podemos activar de repente un interruptor
que impida que devoren más gas. Eso fue exactamente lo que hicimos mis
colaboradores y yo hace poco, y averiguamos que las galaxias que no
formaban nuevas estrellas desde hacía tiempo volvían de nuevo a la vida en
cuanto se interrumpían los destructivos efectos de los agujeros negros[309].
Si pudimos llevar a cabo este experimento es porque los efectos del
agujero negro estaban claramente contenidos en las reglas de la
subcuadrícula, expresadas en un solo archivo informático dentro del código
de simulación. Consideremos una hipotética simulación futura en la que la
resolución haya aumentado hasta el punto de que sea innecesario recurrir a
esta estrategia para los agujeros negros. A primera vista, se trataría de un
avance positivo que aproximaría aún más la simulación a la realidad. En
lugar de tener que apoyarnos en especulaciones sobre la rapidez con que un
agujero negro absorbe materia de su entorno y sobre la cantidad de energía
que deposita, lo haríamos sobre las leyes físicas pertinentes (relatividad
general, física de partículas, campos magnéticos, etc.). Pero en ese caso, ya
no sería posible aislar claramente cada uno de los efectos de los agujeros
negros, porque no podríamos deshabilitar ninguno de estos componentes
fundamentales sin provocar profundos efectos secundarios en la simulación.
Por lo tanto, existe un delicado equilibrio entre las ventajas y los
inconvenientes de las relativamente sencillas simulaciones basadas en
subcuadrículas y aproximaciones. Para que los resultados sigan siendo
comprensibles, la agregación constante de nuevos detalles puede no ser algo
tan atractivo para las futuras generaciones de científicos. Si las
simulaciones son experimentos, han de realizarse con el objetivo de
aprender sobre el universo, no de recrearlo.

LAS SIMULACIONES COMO CIENCIA

Las simulaciones son cálculos que nos permiten rastrear los efectos de la
física en la atmósfera de la Tierra, en una galaxia o en todo el cosmos. Son
experimentos que nos muestran cómo emergen comportamientos complejos
a partir de reglas simples. Son herramientas que han configurado la vida
moderna mediante avances tan cruciales como la predicción numérica del
tiempo o la inteligencia artificial. Sin embargo, no son facsímiles de la
realidad, y es poco probable que alguna vez lo sean.
La popularidad de las simulaciones entre los cosmólogos —⁠cada año
aparecen una decena de códigos nuevos, cientos de programas y de
artículos científicos, y montones de llamativas notas de prensa⁠— no implica
que estemos trabajando en pos de una simulación definitiva y perfecta de
todo cuanto existe. Como he argumentado en este capítulo, un logro tan
extremadamente detallado es imposible y, muy probablemente, carecería de
sentido.
Lo que las simulaciones ofrecen es, más bien, una forma de estructurar
el conocimiento científico, los hallazgos y la colaboración. Ninguna
persona por sí sola podría hoy programar una simulación y compararla con
los datos recogidos por un telescopio de exploración moderno. Los
conocimientos necesarios para ello son demasiado amplios y abarcan la
hidrodinámica, la formación de estrellas, el nacimiento y desarrollo de
agujeros negros, la mecánica cuántica, la óptica y la inteligencia artificial.
Podemos pasarnos toda la vida estudiando cualquiera de esos campos y
todavía nos quedará mucho por aprender.
Esta cualidad abierta es lo que hace que la física sea tan emocionante y
que trabajar con simulaciones lo sea aún más. Pero también conlleva que la
colaboración sea esencial. Cuando era joven no valoré esa cuestión en su
justa medida. Los ordenadores me ofrecían una vía de escape del mundo
humano, donde me sentía siempre incómodo. Eran un portal a otra realidad
donde el pensamiento puro cobraba vida. Nadie me importunaba demasiado
si optaba por habitar ese mundo. De hecho, en el anuario de mi promoción
escolar pone que mi principal logro era ser «capaz de construir su propio
universo y vivir en él».
Ya no recuerdo si por entonces esperaba que las simulaciones
profesionales me ofrecieran una versión ampliada de este frikismo
informático que permitía a un individuo solitario encerrarse en sí mismo y
crear su propio mundo. Si ésa era mi expectativa, no podía estar más
equivocado: es el factor humano el que hace que las simulaciones sean lo
que son. Desde la Ilustración, el trabajo en equipo ha constituido el corazón
de la ciencia, porque la colaboración permite a la mente humana llegar
mucho más allá de lo que podría por sí sola. Con el tiempo, se creó un
sistema, defectuoso pero efectivo, por el que las ideas científicas se
difunden a través de publicaciones académicas. Gracias a esas revistas, y
especialmente a los vastos archivos digitalizados y disponibles en línea, una
sola biblioteca puede ofrecer acceso a casi la totalidad del conocimiento
humano.
Con todo, una cosa es tener acceso a las publicaciones y otra muy
diferente poder asimilar y comprender su contenido. Los códigos
informáticos bien diseñados modifican las demandas del proceso científico:
ya no hace falta que una persona tenga que absorber toda esa información,
sino que hay diferentes especialistas trabajando en equipo, destilando sus
conocimientos en piezas de código que se combinan dentro de una
estructura global. El solo hecho de que esto sea posible confirma y
reivindica la importancia de la apuesta de Grace Hopper por una
programación que sea legible por humanos. Los diferentes aspectos de una
simulación se describen en sus respectivos archivos y es la máquina la que
se encarga de combinarlos en una larga lista unificada de instrucciones
escritas en su propio lenguaje, que es extremadamente detallado. De esa
forma, las partes del código que rigen, por ejemplo, la formación de nuevas
estrellas, el comportamiento de los agujeros negros, o la generación de
condiciones iniciales cuánticas pueden modificarse o reemplazarse sin tocar
otras secciones.
Lo más atractivo de las simulaciones no son los mundos virtuales que
generan, que son sólo una pobre sombra de la realidad. En sí mismos, los
entornos simulados no son más emocionantes que una predicción
meteorológica. La emoción radica en la capacidad humana, mediante la
cual las simulaciones permiten expresar y explorar las relaciones entre
diferentes ideas científicas. El código es un conjunto de instrucciones para
el ordenador, pero también es una expresión colectiva, viva y en constante
evolución de cómo vemos el universo, y que combina las ideas de
diferentes personas en un lienzo.
La parte más gratificante de mi trabajo es colaborar con otros seres
humanos para interpretar los resultados que producen los ordenadores: los
visualizamos, hacemos preguntas y los interpretamos, en un esfuerzo por
transformar esos mundos simulados en conocimiento sobre nuestra propia
realidad. Las historias que los cosmólogos han extraído de las simulaciones
ya forman parte de la ortodoxia cosmológica, y explican cómo se originó
nuestro planeta cuando las galaxias se condensaron a partir de una
gigantesca red cósmica de materia oscura, modelada a su vez por la
gravedad con tan sólo microscópicas ondas mecánicas cuánticas.
Todas esas ideas constituyen contribuciones a la cosmología de
importancia indiscutible. El logro no está en recrear literalmente el
universo, sino en comprender cómo surgen los fenómenos complejos,
incluso cuando las reglas codificadas en la simulación son, por sí solas,
sencillas. Estudiar esta clase de fenómenos emergentes era casi imposible
hace sólo unas décadas. Si comparamos la historia particular de las
simulaciones con los siglos de progreso científico, comprendemos que
todavía están en su infancia. Démosles algunas décadas más y veamos
cuánto más nos queda por descubrir.
 Agradecimientos

Quiero dar las gracias a los muchos científicos y estudiantes brillantes con
los que he podido trabajar, pues todos ellos han influido en mi forma de
pensar. Tengo una deuda especial con mis colaboradores más antiguos,
Fabio Governato, Hiranya Peiris y Justin Read, así como con mis directores
de tesis, Max Pettini y Anthony Challinor. Hiranya ha sido una colega fiel y
una fuente de inspiración durante años difíciles, y tuvo la amabilidad
también de leer un borrador muy temprano de este libro. Durante las fases
de redacción y edición, conté con la valiosa ayuda de Jonathan Davies, Ray
Dolan, Richard Ellis, Carlos Frenk, Gandhali Joshi, Matthew van der
Merwe, Joe Monaghan, Claudia Muni, Ofer Lahav, Luisa Lucie-Smith,
Michael May, Julio Navarro, Tiziana di Matteo y Simon White, así como
con la de las instituciones Smithsonian Libraries and Archives y Niels Bohr
Library and Archives. Gran parte de mi investigación, que describo en el
libro, ha sido financiada con subvenciones del Consejo Europeo de
Investigación, la Royal Society y el Science and Technology Facilities
Council.
Mis editores, David Milner, Michal Shavit y Courtney Young, me han
brindado todo su apoyo, su paciencia y su perspicacia. Chris Wellbelove, mi
agente, fue fundamental para concebir el libro y darle forma; sin su apoyo
para unir varios hilos, nunca hubiera empezado a escribir. El título fue
sugerido por Jamie Coleman. El enfoque que adopto cuando hablo sobre
ciencia debe mucho a los presentadores, productores y directores con los
que he tenido la suerte de trabajar en varios proyectos, particularmente
Helen Arney, Matt Baker, Jonny Berliner, Hannah Fry, Timandra Harkness,
Delyth Jones, Michelle Martin, Jonathan y Elin Sanderson, Alom Shaha,
Tim Usborne, y Tom y Jen Whyntie.
Este libro es para mi familia. Mis padres, Libby y Peter, siempre me han
alentado y apoyado, y no podría haber pedido una hermana mayor mejor
que Rosie. Por encima de todo, quiero agradecer el amor y la bondad de mi
esposa, Anna, y de mi hijo, Alex, que hacen que valga la pena vivir en este
universo. Perdonadme por todos esos fines de semana de trabajo.
Andrew Pontzen es catedrático de cosmología en el University College de
Londres. Ha escrito para New Scientist, BBC Sky at Night y BBC Science
Focus, ha impartido conferencias en la Royal Institution y colaborado en
programas de PBS y Discovery Channel. Las simulaciones son una parte
importante de su investigación, que abarca la cosmología, la física y la
computación. Vive en Londres. El universo en una caja es su primer libro.
Notas
[1] t1">[1] SatOrb se publicó originalmente en el libro ZX Spectrum
Astronomy. Discover the heavens on your Computer, de Maurice Gavin
(publicado en 1984 por Sunshine Books). Supongo que fue mi padre, o uno
de sus amigos, quien copió el código del programa en un disco, pues era un
pasatiempo común en los albores de la informática doméstica. <<
[2] t2">[2] Garnier et al. (2013), PLOS Computational Biology, vol. 9, n.º 3,
p. e1002 984. <<
[3]t3">[3] Deneubourg et al. (1989), Journal of Insect Behaviour, vol. 2, n.º
5, p. 719. <<
[4]bits. La masa total de la atmósfera ronda los 5×1018 kg, lo que se traduce
en unas 1044 moléculas. Por lo tanto, necesitaríamos 1021 veces más
almacenamiento para contar con un bit por molécula. Véase Redgate e IDC
(8 de septiembre de 2021), Statista, en
«https://www.statista.com/statistics/1185 900/worldwide-datasphere-
storage-capacity-installed-base/» (consultado el 10 de julio de 2022). <<
[5] t5">[5] The New York Times (10 de marzo de 2009). <<
[6]t6">[6] Término que hace referencia a los matemáticos que trabajan en
bolsa. (N. del T.) <<
[7]t7">[7] Tankov (2003), Financial Modelling with Jump Processes,
Nueva York, Chapman & Hall. <<
[8] t8">[8] Mandelbrot (1963), Journal of Political Economy, n.º 5, p. 421.
<<
[9]t9">[9] Derman (2011), Models behaving badly. Why confusing illusion
with reality can lead to disaster, on Wall Street and in life (tesis doctoral),
New Jersey, Wiley & Sons. <<
[10]t10">[10] Moore (2015), The Weather Experiment, Chatto & Windus;
comunicado oficial de la Cámara de los Comunes del Parlamento británico,
30 de junio de 1854, col. 1006. <<
[11] t11">[11] Gray (2015), Public Weather Service Value for Money
Review, Servicio Meteorológico Británico; Lazo et al. (2009), Bulletin of
the American Meteorological Society, vol. 90, n.º 6, p. 785. <<
[12] t12">[12] Pausata et al. (2016), Earth and Planetary Science Letters,
vol. 434, p. 298. <<
[13] t13">[13] Wright (2017), Frontiers in Earth Science, vol. 5,
«https://doi.org/10.3389/feart.2017.00 004». <<
[14] t14">[14] New York Daily Times (2 de noviembre de 1852). <<
[15] t15">[15] Annual Report of the Board of Regents of the Smithsonian
Institution (1858), p. 32. <<
[16] t16">[16] Chicago Press & Tribune (15 de agosto de 1959). <<
[17] t17">[17] The Times (14 de diciembre de 1854). <<
[18] t18">[18] Landsberg (1954), The Scientific Monthly, vol. 79, p. 347. <<
[19] t19">[19] The Times (26 de enero de 1863). <<
[20] t20">[20] The Times (11 de abril de 1862). <<
[21]t21">[21] Humphreys (1919), US National Academy of Sciences.
Biographical Memoirs, vol. 8, p. 469. <<
[22] t22">[22] Ibid. <<
[23] t23">[23] Abbe (1901), Monthly Weather Review, vol. 29, n.º 12, p. 551.
<<
[24] t24">[24] En realidad, una pequeña fracción de los gases de la
atmósfera puede disiparse en el espacio, ser absorbida por las plantas,
depositarse en el suelo, etc. La ley no es absoluta, pero sí lo bastante fiable
para ser excepcionalmente poderosa. <<
[25] t25">[25] Stevenson (1999), Nature, vol. 400, p. 32. <<
[26] t26">[26] Técnicamente, la lista de números no tiene por qué ser
infinita, ya que hasta los más mínimos detalles tienen un límite. Una vez
hubiera sido representada cada gota de espuma de la ola rompiente,
podríamos dejar de añadir información. Pero incluso ese nivel de detalle
está fuera de nuestro alcance. <<
[27] t27">[27] Humphreys (1919), op. cit. <<
[28]t28">[28] Se trataba de un servicio voluntario de ambulancias fundado
por miembros de la comunidad cuáquera. (N. del T.) <<
[29]t29">[29] En el prefacio a su libro de 1922, Richardson menciona que
«la reducción aritmética de las […] observaciones la llevé a cabo con gran
ayuda de mi esposa», Dorothy, antes de que él fuera destinado a Francia.
Dado que se trata de una parte crucial y compleja del libro, a día de hoy
Dorothy sería considerada coautora del mismo, aunque fuera Lewis Fry
quien lo redactara. Lewis Fry Richardson (1922), Weather Prediction by
Numerical Process, Cambridge, Cambridge University Press, reimpreso en
2006, con introducción de Peter Lynch. <<
[30] t30">[30] Peter Lynch (1993), Meteorological Magazine, vol. 122, p. 69.
<<
[31]t31">[31] Richardson (1922), op. cit., p. 219; Ashford (1985), Prophet
or Professor? The Life and Work of Lewis Fry Richardson, Londres, Adam
Hilger. <<
[32] t32">[32] Lynch (1993), op. cit. <<
[33] t33">[33] Siberia en 1968, según el Guinness World Records, en
«https://www.guinnessworldrecords.com/world-records/highest-barometric-
pressure-/» (consultado el 28 de octubre de 2022). <<
[34]
t34">[34] Peter Lynch (2014), The Emergence of Numerical Weather
Prediction, Cambridge, Cambridge University Press. <<
[35] t35">[35] Richardson (1922), op. cit., p. 219. <<
[36] t36">[36] Durand-Richard (2010), Nuncius, vol. 25, p. 101. <<
[37]t37">[37] «Pascaline», en Britannica Academic de octubre de 2008), en
«academic.eb.com/levels/collegiate/article/Pascaline/443 539» (consultado
el 20 de julio de 2022). <<
[38] t38">[38] Freeth (2009), Scientific American, vol. 301, p. 76. <<
[39]
t39">[39] Babbage (1864), Passages from the Life of a Philosopher,
Londres, Longman, p. 70. <<
[40]
t40">[40] Fuegi y Francis (2003), IEEE Annals of the History of
Computing, vol. 25, n.º 4, p. 16. <<
[41] t41">[41] Ibid. <<
[42] t42">[42] Friedman (1992), Computer Languages, vol. 17, n.º 1. <<
[43] t43">[43] Fuegi y Francis (2003), op. cit. <<
[44]t44">[44] Lovelace (1843), reimpreso en Charles Babbage and His
Calculating Engines. Selected Writings by Charles Babbage and Others
(1963), Nueva York, Dover, p. 251. <<
[45] t45">[45] Fuegi y Francis (2003), op. cit. <<
[46]t46">[46] «ENIAC», en Britannica Academic (31 de enero de 2022), en
«academic.eb.com/levels/collegiate/article/ENIAC/443 545» (consultado el
29 de octubre de 2022). <<
[47]
t47">[47] Von Neumann (1955), Fortune, reimpreso en Population and
Development Review (1986), vol. 12, p. 117. <<
[48]t48">[48] «Cold war may spawn weather-control race», The
Washington Post and Times Herald (23 de diciembre de 1957). <<
[49] t49">[49] Harper (2008), Endeavour, vol. 32, n.º 1, p. 20. <<
[50] t50">[50] Fleming (2007), The Wilson Quarterly, vol. 31, n.º 2, p. 46. <<
[51] t51">[51] Ibid. <<
[52] t52">[52] Charney, Fjörtoft y Von Neumann (1950), Tellus, p. 237. <<
[53] t53">[53] Williams (1999), Naval College Review, vol. 52, n.º 3, p. 90.
<<
[54]
t54">[54] Hopper (1978), History of Programming Languages, Nueva
York, Association for Computing Machinery, p. 7. <<
[55] t55">[55] Ibid. <<
[56] t56">[56] Ibid. <<
[57]t57">[57] Citado en Platzman (1968), Bulletin of the American
Meteorological Society, vol. 49, p. 496. <<
[58] t58">[58] Bauer, Thrope y Brunet (2015), Nature, vol. 525, p. 47. <<
[59]
t59">[59] Alley, Emanuel y Zhang (2019), Science, vol. 363, n.º 6425, p.
342. <<
[60] t60">[60] McAdie (1923), Geographical Review, vol. 13, n.º 2, p. 324.
<<
[61]t61">[61] Smagorinsky y Collins (1955), Monthly Weather Review, vol.
83, n.º 3, p. 53. <<
[62]t62">[62] Coiffier (2012), Fundamentals of Numerical Weather
Prediction, Cambridge, Cambridge University Press. <<
[63]
t63">[63] Lee y Hong (2005), Bulletin of the American Meteorological
Society, vol. 86, n.º 11, p. 1615. <<
[64]t64">[64] Rueda de prensa en la Princeton University (5 de octubre de
2021), en «https://www.youtube.com/watch?v=BUtzK41Qpsw»
(consultado el 28 de octubre de 2022). <<
[65]t65">[65] Así se titulaba la conferencia que pronunció en 1972 ante la
Asociación Estadounidense para el Avance de la Ciencia. En declaraciones
anteriores, Lorenz había usado como ejemplo el aleteo de las gaviotas, pero,
como es obvio, el sentido es el mismo. <<
[66]
t66">[66] Judt (2020), Journal of the Atmospheric Sciences, vol. 77, n.º
257. <<
[67] t67">[67] Hasselmann (1976), Tellus, vol. 28, n.º 6, p. 473. <<
[68] t68">[68] Jackson (2020), Notes and Records, vol. 75, p. 105. <<
[69] t69">[69] Von Neumann (1955), op. cit. <<
[70] t70">[70] Morrison (1972), Scientific American, vol. 226, p. 134. <<
[71]t71">[71] IPCC (2021), Climate Change 2021. The Physical Science
Basis. Contribution of Working Group I to the Sixth Assessment Report of
the Intergovernmental Panel on Climate Change, Cambridge, Cambridge
University Press (en imprenta). <<
[72] t72">[72] Manabe y Broccoli (2020), Beyond Global Warming,
Princeton University Press. <<
[73]t73">[73] El Grupo Intergubernamental de Expertos sobre el Cambio
Climático (IPCC, por sus siglas en inglés) considera esta verificación
enormemente importante. IPCC (2021), op. cit., sec. 3.8.2.1. <<
[74] t74">[74] Daily Mail (17 de octubre de 1987). <<
[75] t75">[75] Daily Mail (19 de octubre de 1987). <<
[76] t76">[76] Alley et al. (2019), Science, vol. 363, n.º 6425, p. 342. <<
[77] t77">[77] Éstas son las contribuciones relativas por volumen. En
cambio, cuando se calcula por masa (lo que permite una comparación más
directa con las cifras del universo), los resultados son 75 por ciento y 23 por
ciento respectivamente. Walker (1977), Evolution of the atmosphere, Nueva
York, Macmillan. <<
[78] t78">[78] Hays, Imbrie y Shackleton (1976), Science, vol. 194, n.º 4270.
<<
[79]t79">[79] Lequeux (2013), Le Verrier, Magnificent and Detestable
Astronomer, trad. al inglés de Bernard Sheehan, Cham, Springer. <<
[80] t80">[80] Davis (1984), Annals of Science, vol. 41, n.º 4, p. 359. <<
[81] t81">[81] Ibid., p. 129. <<
[82]
t82">[82] Peierls (1960), Biographical Memoirs of Fellows of the Royal
Society, vol. 5174. <<
[83] t83">[83] Ibid. <<
[84]t84">[84] Pauli (1930), carta al grupo de físicos participantes en el
encuentro Gauverein, en Tubinga, en
«https://web.archive.org/web/20 150 709 024 458/https://www.library.ethz.c
h/exhibit/pauli/neutrino_e.html». <<
[85]
t85">[85] Lightman y Brawer (1992), The Lives and Worlds of Modern
Cosmologists, Cambridge (Massachusetts), Harvard University Press. <<
[86]t86">[86] Rubin (2011), Annual Review of Astronomy and Astrophysics,
vol. 49, n.º 1. <<
[87] t87">[87] Ibid. <<
[88]
t88">[88] Citado en Bertone y Hooper (2018), Reviews of Modern
Physics, vol. 90, n.º 045 002. <<
[89]
t89">[89] Lundmark (1930), Meddelande fran Lunds Astronomiska
Observatorium, Series I, vol. 125, p. 1. <<
[90]
t90">[90] F. Zwicky (1933), Helvetica Physica Acta, vol. 6, n.º 110;
Zwicky (1937), Astrophysical Journal, vol. 86, p. 217. <<
[91] t91">[91] Rubin (2011), op. cit. <<
[92] t92">[92] Holmberg (1941), Astrophysical Journal, vol. 94, p. 385. <<
[93]
t93">[93] Holmberg (1946), Meddelande fran Lunds Astronomiska
Observatorium, Series II, vol. 117, p. 3. <<
[94] t94">[94] Lange (1931), Naturwissenschaften, vol. 19, pp. 103-107. <<
[95] t95">[95] White (1976), Monthly Notices of the Royal Astronomical
Society, vol. 177, p. 717; Toomre y Toomre (1972), Astrophysical Journal,
vol. 187, pp. 623-666. <<
[96] t96">[96] Ibid. <<
[97] t97">[97] Geller y Huchra (1989), Science, vol. 4932, pp. 897-903. <<
[98]t98">[98] Entrevista de Alan Lightman a Marc Davis (14 de octubre de
1988), Maryland, Niels Bohr Library & Archives, American Institute of
Physics, «www.aip.org/history-programs/niels-bohr-library/oral-histories/
34 298». <<
[99]t99">[99] Cosmic Extinction. The Far Future of the Universe (7 de
junio de 2022), ciclo de conferencias de la Durham University. <<
[100] t100">[100] Frenk (2022), comunicación personal. <<
[101] t101">[101] De hecho, algunos de los experimentos iniciales
apuntaban erróneamente a una masa mayor de lo que ahora sabemos que es
posible en el caso de los neutrinos. Aun siendo incorrectas por exceso, esas
masas seguían siendo diminutas en comparación con los átomos. Lubimov
et al. (1980), Physics Letters B, vol. 94, p. 266. <<
[102] t102">[102] Peebles (1982), Astrophysical Journal, vol. 258, p. 415. <<
[103]
t103">[103] White, Frenk y Davis (1983), Astrophysical Journal, vol.
274, p. L1. <<
[104]t104">[104] Aker et al. (2019), Physical Review Letters, vol. 123, p.
221 802. <<
[105]
t105">[105] Silk, Szalay y Zeldovich (1983), Scientific American, vol.
249, n.º 4, p. 72. <<
[106] t106">[106] White (2021), comunicación personal. <<
[107] t107">[107] Entrevista de Alan Lightman a Marc Davis (1988), op. cit.
<<
[108] t108">[108] Lightman y Brawer (1992), op. cit. <<
[109]t109">[109] Huchra, Geller, De Lapparent y Burg (1988), colección
International Astronomical Union Symposium, vol. 130, p. 105. <<
[110] t110">[110] Ibid. <<
[111]
t111">[111] Calder y Lahav (2008), Astronomy & Geophysics, vol. 49,
1.13-1.18. <<
[112]t112">[112] La razón por la que la red cósmica alcanza escalas más
grandes cuando la energía oscura está presente es ligeramente sutil y está
relacionada con el desequilibrio resultante entre la materia y la radiación en
el universo primitivo cuando la energía oscura está presente. <<
[113] t113">[113] Tulin y Yu (2018), Physics Reports, vol. 730, p. 1. <<
[114]
t114">[114] Pontzen y Governato (2014), Nature, vol. 506, n.º 7487, p.
171; Pontzen y Peiris (2010), New Scientist, vol. 2772, p. 22. <<
[115]t115">[115] Abel, Bryan y Norman (2002), Science, vol. 295, n.º 5552,
p. 93. <<
[116] t116">[116] Tinsley (1967), «Evolution of Galaxies and its
Significance for Cosmology» (tesis doctoral), Austin, University of Texas,
«http://hdl. handle.net/2152/65 619». <<
[117] t117">[117] Sandage (1968), The Observatory, vol. 89, p. 91. <<
[118]t118">[118] «The supereyes. Five giant telescopes now in construction
to advance astronomy», en The Wall Street Journal (10 de octubre de 1967).
<<
[119]
t119">[119] Hill (1986), My daughter Beatrice, Maryland, American
Physical Society, p. 49. <<
[120] t120">[120] Catley (2006), Bright Star. Beatrice Hill Tinsley,
Astronomer, Auckland, Cape Catley Press, p. 165. <<
[121]
t121">[121] Sandage (1968), op. cit.; véase también Oke y Sandage
(1968), Astrophysical Journal, vol. 154, p. 21. <<
[122]t122">[122] Tinsley (1970), Astrophysics and Space Science, vol. 6, n.º
3, p. 344. <<
[123] t123">[123] Sandage (1972), Astrophysical Journal, vol. 178, p. 1. <<
[124]t124">[124] Bartelmann (2010), Classical and Quantum Gravity, vol.
27, p. 233 001. <<
[125]
t125">[125] Peebles (1982), Astrophysical Journal Letters, vol. 263, p.
L1; Blumenthal et al. (1984), Nature, vol. 311, p. 517; Frenk et al. (1985),
Nature, vol. 317, p. 595. <<
[126]
t126">[126] White (1989), «The Epoch of Galaxy Formation», en
NATO Advanced Science Institutes (ASI) Series C, vol. 264, p. 15. <<
[127]t127">[127] White y Frenk (1991), Astrophysical Journal, vol. 379, p.
52. <<
[128]
t128">[128] Por ejemplo, Sanders (1990), Astronomy and Astrophysics
Review, vol. 2, p. 1. <<
[129]t129">[129] Véase, por ejemplo, la discusión al respecto en White
(1989), op. cit. <<
[130] t130">[130] Ellis (1998), «The Hubble Deep Field», en
STScI Symposium Series 11, Cambridge, Cambridge University Press, p. 27.
<<
[131]
t131">[131] Adorf (1995), «The Hubble Deep Field project», en
ST-ECF Newsletter, vol. 23, p. 24. <<
[132]t132">[132] Larson (1974), Monthly Notices of the Royal Astronomical
Society, vol. 169, p. 229; Larson y Tinsley (1977), Astrophysical Journal,
vol. 219, p. 46. <<
[133]t133">[133] Somerville, Primack y Faber (2001), Monthly Notices of
the Royal Astronomical Society, vol. 320, p. 504. <<
[134] t134">[134] Ellis (1998), op. cit. <<
[135]t135">[135] Tinsley (1980), Fundamentals of Cosmic Physics, vol. 5,
p. 287. <<
[136]t136">[136] Cen, Jameson, Liu y Ostriker (1990), Astrophysical
Journal, vol. 362, p. L41. <<
[137]
t137">[137] Gingold y Monaghan (1977), Monthly Notices of the
Royal Astronomical Society, vol. 181, p. 375. <<
[138]t138">[138] Monaghan (1992), Annual Reviews in Astronomy and
Astrophysics, vol. 30, p. 543. <<
[139]t139">[139] Monaghan, Bicknell y Humble (1994), Physical Review
D, vol. 77, p. 217. <<
[140]
t140">[140] Katz y Gunn (1991), Astrophysical Journal, vol. 377, p.
365; Navarro y Benz (1991), Astrophysical Journal, vol. 380, p. 320. <<
[141] t141">[141] Katz (1992), Astrophysical Journal, vol. 391, p. 502. <<
[142]t142">[142] Moore et al. (1999), Astrophysical Journal, vol. 524, n.º 1,
p. L19. <<
[143]
t143">[143] Ostriker y Steinhardt (2003), Science, vol. 300, n.º 5627, p.
1909. <<
[144] t144">[144] Battersby (2004), New Scientist, vol. 184, n.º 2469, p. 20.
<<
[145]t145">[145] Governato et al. (2004), Astrophysical Journal, vol. 607,
p. 688; Governato et al. (2007), Monthly Notices of the Royal Astronomical
Society, vol. 374, p. 1479. <<
[146] t146">[146] Katz (1992), op. cit. <<
[147]t147">[147] Springel y Hernquist (2003), Monthly Notices of the Royal
Astronomical Society, vol. 339, p. 289; Robertson et al. (2006),
Astrophysical Journal, vol. 645, p. 986. <<
[148]t148">[148] Stinson et al. (2006), Monthly Notices of the Royal
Astronomical Society, vol. 373, n.º 3, p. 1074. <<
[149]t149">[149] Governato et al. (2007), Monthly Notices of the Royal
Astronomical Society, vol. 374, p. 1479. <<
[150]
t150">[150] Pontzen y Governato (2012), Monthly Notices of the
Royal Astronomical Society, vol. 421, p. 3464. <<
[151]t151">[151] Kauffmann (2014), Monthly Notices of the Royal
Astronomical Society, vol. 441, p. 2717. <<
[152] t152">[152] Entrevista de Spencer Weart a Martin Schwarzschild (10
de marzo de 1977), Maryland, Niels Bohr Library & Archives, American
Institute of Physics, «https://www.aip.org/history-programs/niels-bohr-
library/oral-histories/4870-1». <<
[153] t153">[153] De hecho, Schwarzschild basó el primero de estos
artículos en una versión incompleta pero previamente publicada de las
ecuaciones de Einstein, por lo que su rápida aplicación de aquella nueva
idea no fue tan extraordinaria como pudiera parecer a primera vista. <<
[154]t154">[154] Schwarzschild (1916), Sitzungsberichte der Königlich
Preussischen Akademie der Wissenschaften zu Berlin, Phys.-Math. Klasse,
Berlín, Verlag der Königlichen Akademie der Wissenschaften, p. 424. <<
[155]
t155">[155] Schwarzschild (1992), Gesammelte Werke (Collected
Works), Cham, Springer. <<
[156]
t156">[156] Thorne (1994), From black holes to time warps. Einstein’s
outrageous legacy, Nueva York, W. W. Norton & Company. [Hay trad. cast.:
Agujeros negros y tiempo curvo. El escandaloso legado de Einstein,
Barcelona, Crítica, 2018]. <<
[157]t157">[157] Oppenheimer y Snyder (1939), Physical Review, vol. 56,
p. 455. <<
[158]t158">[158] Oppenheimer y Volkoff (1939), Physical Review, vol. 55,
p. 374. <<
[159]t159">[159] Bird y Sherwin (2005), American Prometheus. The
Triumph and Tragedy of J. Robert Oppenheimer, Nueva York, Alfred
A. Knopf. [Hay trad. cast.: Prometeo Americano, Barcelona, Debate, 2023].
<<
[160]t160">[160] Arnett, Baym y Cooper (2020), «Stirling Colgate», en
Biographical Memoirs of the National Academy of Sciences. <<
[161] t161">[161] Ibid. <<
[162]t162">[162] Teller (2001), Memoirs. A twentieth-century journey in
Science and politics, Nueva York, Perseus, p. 166. <<
[163] t163">[163] Arnett, Baym y Cooper (2020), op. cit. <<
[164]t164">[164] Colgate (1968), Canadian Journal of Physics, vol. 46, n.º
10, p. S476; Klebesadel, Strongy Olson (1973), Astrophysical Journal, vol.
182, p. L85. <<
[165]
t165">[165] Breen y McCarthy (1995), Vistas in Astronomy, vol. 39, p.
363. <<
[166]
t166">[166] May y White (1966), Physical Review Letters, vol. 141, p.
4. <<
[167] t167">[167] Hafele y Keating (1972), Science, vol. 177, p. 168. <<
[168]t168">[168] Han Fei (c. 300 a. e. c.), The complete works of Han Fei
Tzu, vol. 2, Londres, Arthur Probsthain, p. 204. <<
[169] t169">[169] Einstein y Rosen (1935), Physical Review, vol. 49, p. 404.
<<
[170]t170">[170] Hannam et al. (2008), Physical Review D, vol. 78, p.
064 020. <<
[171]t171">[171] Thorne (2017), discurso de aceptación del Premio Nobel,
en «www.nobelprize.org/prizes/physics/2017/thorne/lecture/» (consultado
el 28 de octubre de 2022). <<
[172] t172">[172] Wheeler (1955), Physical Review, vol. 97, p. 511. <<
[173]
t173">[173] Murphy (2000), Women becoming mathematicians,
Cambridge (Massachusetts), MIT Press. <<
[174]
t174">[174] Hahn (1958), Communications on Pure and Applied
Mathematics, vol. 11, n.º 2, p. 243. <<
[175] t175">[175] Lindquist (1962), «The Two-body problem in
Geometrodynamics» (tesis doctoral), New Jersey, Princeton University, p.
24. <<
[176]t176">[176] Hahn y Lindquist (1964), Annals of Physics, vol. 29, p.
304. <<
[177]t177">[177] Pretorious (2005), Physical Review Letters, vol. 95, p.
121 101; Campanelli et al. (2006), Physical Review Letters, vol. 96, p.
111 101; Baker et al. (2006), Physical Review Letters, vol. 96, p. 111 102.
<<
[178]t178">[178] Overbye (1991), Lonely Hearts of the Cosmos, Nueva
York, HarperCollins [hay trad. cast.: Corazones solitarios en el cosmos,
Barcelona, RBA, 1994]; Schmidt (1963), Nature, vol. 197, n.º 4872, p. 1040;
Greenstein y Thomas (1963), Astronomical Journal, vol. 68, p. 279. <<
[179]t179">[179] Blandford y Znajek (1977), Monthly Notices of the Royal
Astronomical Society, vol. 179, p. 433. <<
[180]t180">[180] Springel y Hernquist (2003), Monthly Notices of the Royal
Astronomical Society, vol. 339, n.º 2, p. 289. <<
[181] t181">[181] Di Matteo (2020), comunicación personal. <<
[182] t182">[182] Di Matteo, Springel y Hernquist (2005), Nature, vol. 433.
<<
[183] t183">[183] Di Matteo (2020), comunicación personal. <<
[184]t184">[184] Silk y Rees (1998), Astronomy & Astrophysics, vol. 331,
p. L1. <<
[185]
t185">[185] Magorrian et al. (1998), Astronomical Journal, vol. 115, p.
2285. <<
[186]t186">[186] Sanchez et al. (2021), Astrophysical Journal, vol. 911, p.
116; Davies et al. (2021), Monthly Notices of the Roy al Astronomical
Society, vol. 501, p. 236. <<
[187] t187">[187] Volonteri (2010), Astronomy and Astrophysics Review,
vol. 18, p. 279. <<
[188]t188">[188] Tremmel et al. (2018), Astrophysical Journal, vol. 857, p.
22. <<
[189] t189">[189] ESA (2021), LISA Mission Summary, en
«https://sci.ésa.int/web/lisa/-/61 367-mission-summary» (consultado el 29
de octubre de 2022). <<
[190] t190">[190] Hawking (1966), «Properties of expanding universes»
(tesis doctoral), Cambridge, University of Cambridge,
«https://doi.org/10.17 863/CAM.11 283». <<
[191] t191">[191] Nobel Prize Outreach AB (2022), «Louis de Broglie»
(nota biográfica), en
«https://www.nobelprize.org/prizes/physics/1929/broglie/biograpbical/»
(consultado el 28 de octubre de 2022). <<
[192] t192">[192] Werner Heisenberg trabajó para los nazis durante la
Segunda Guerra Mundial, poniendo su experiencia en física cuántica al
servicio de la energía nuclear. Afortunadamente para el mundo, estaba más
interesado en la generación de energía que en desarrollar una bomba
nuclear, perspectiva que no lo entusiasmaba. <<
[193]
t193">[193] Islam et al. (2014), Chemical Society Reviews, vol. 43, p.
185; Csermely et al. (2013), Pharmacology & Therapeutics, vol. 138, p.
333; Gur et al. (2020), Journal of Chemical Physics, vol. 143, p. 075 101;
Qu et al. (2018), Advances in Civil Engineering, Londres, Hindawi
Publishing Corporation; Hou et al. (2017), Carbon, vol. 115, p. 188. <<
[194]t194">[194] En principio, esta difuminación se aplica también al
núcleo de cada átomo, pero De Broglie sugirió correctamente que el efecto
aquí habría de ser pequeño, ya que los núcleos son mucho más masivos. <<
[195]
t195">[195] Hubbard (1979), en Harding y Hintikka, eds., Discovering
Reality, Vermont, Schenkman, pp. 45-69. <<
[196] t196">[196] Boston Globe (5 de septiembre de 2016). <<
[197]
t197">[197] Karplus (2006), Annual Reviews in Biophysics and
Biomolecular Structure, vol. 35, p. 1. <<
[198] t198">[198] Ibid. <<
[199]t199">[199] En realidad, las simulaciones cuánticas representan las
variaciones a través del espacio de una manera mucho más compleja y
cuidadosamente elaborada, pero el ejemplo de la cuadrícula sirve para
comprender el concepto. <<
[200] t200">[200] Miller (2013), Physics Today, vol. 66, n.º 12, p. 13. <<
[201]t201">[201] Benioff (1982), International Journal of Theoretical
Physics, vol. 21, n.º 3, p. 177. <<
[202]t202">[202] Feynman (1982), International Journal of Theoretical
Physics, vol. 21, n.º 6, p. 467. <<
[203] t203">[203] Restructure! (2009), en
«https://restructure.wordpress.com/2009/08/07/sexist-feynman-called-a-
woman-worse-than-a-whore/» (consultado el 28 de octubre de 2022). <<
[204] t204">[204] Lloyd (1996), Science, vol. 273, p. 1073. <<
[205]
t205">[205] Google AI Quantum et al. (2020), Science, vol. 369, n.º
6507, p. 1084. <<
[206] t206">[206] Preskill (2018), Quantum, vol. 2, p. 79. <<
[207]t207">[207] Heuck, Jacobs y Englund (2020), Physical Review Letters,
vol. 124, p. 160 501. <<
[208]
t208">[208] Byrne (2010), The Many Worlds of Hugh Everett III,
Oxford, Oxford University Press. <<
[209]
t209">[209] Por ejemplo, Matteucci et al. (2013), European Journal of
Physics, vol. 34, p. 511. <<
[210]t210">[210] Von Neumann (2018), Mathematical Foundations of
Quantum Mechantes. New Edition, ed. Nicholas A. Wheeler, New Jersey,
Princeton University Press, p. 273. [Hay trad. cast.: Fundamentos
matemáticos de la mecánica cuántica, Madrid, CSIC, 2018]. <<
[211]t211">[211] Para un resumen de algunos de los notables trabajos
experimentales que muestran estos principios en acción, véase Zeilinger
(1999), Review of Modern Physics, vol. 71, p. S288. <<
[212]
t212">[212] Wigner (1972), en The Collected Works of Eugene Paul
Wigner, vol. B/6, Cham, Springer, p. 261. <<
[213] t213">[213] Para una discusión sobre las diferentes escuelas del
idealismo, véase Guyer y Horstmann (2022), «Idealism», en Edward
N. Zalta, ed., The Stanford Encyclopedia of Philosophy, en
«https://plato.stanford.edu/archives/spr2022/entries/idealism/». <<
[214]
t214">[214] Wheeler (1983), en Quantum Theory and Measurement,
New Jersey, Princeton University Press, p. 182,
«www.jstor.org/stable/j.ctt7ztxn5.24». <<
[215]t215">[215] Penrose (1989), The Emperor’s New Mind, Oxford,
Oxford University Press. [Hay trad. cast.: La nueva mente del emperador,
Barcelona, Debolsillo, 2006]. <<
[216] t216">[216] Howl, Penrose y Fuentes (2019), New Journal of Physics,
vol. 21, n.º 4, p. 043 047. <<
[217]t217">[217] Aspect, Dalibard y Roger (1982), Physical Review Letters,
vol. 49, n.º 25, p. 1804. <<
[218]t218">[218] La tesis completa no fue publicada hasta 1973; Everett
(1973), en The Many-Worlds Interpretation of Quantum Mechanics, New
Jersey, Princeton University Press, p. 3. <<
[219]t219">[219] Saunders (1993), Foundations of Physics, vol. 23, n.º 12,
p. 1553. <<
[220]
t220">[220] Deutsch (1985), Proceedings of the Royal Society A, vol.
400, n.º 1818, p. 97. <<
[221] t221">[221] Para una discusión extensa entre proeverettianos y
antieverettianos, véase Saunders, Barrett, Kenty Wallace (2010), Many
Worlds?, Oxford, Oxford University Press. <<
[222]t222">[222] Véase, por ejemplo, el capítulo 27 de Penrose (2004), The
Road to Reality, Londres, Jonathan Cape. [Hay trad. cast.: El camino a la
realidad. Una guía completa de las leyes del universo, Barcelona, Debate,
2006]. <<
[223] t223">[223] En «https://www.bankofengland.co.uk/monetary-
policy/inflation/inflation-calculator» (consultado el 28 de octubre de 2022).
<<
[224] t224">[224] Turroni (1937), The Economics of Inflation,
Bradford & Dickens, p. 441. <<
[225]t225">[225] Para calcular este requisito mínimo hay que comparar el
tamaño del universo observable en la actualidad con cómo viajaban los
rayos de luz a través del universo joven. <<
[226] t226">[226] Para una evaluación actualizada, véase Planck
Collaboration (2018), Astronomy & Astrophysics, vol. 641, p. A6. <<
[227] t227">[227] Cabría esperar que pudiéramos establecer el tipo de
estructura apreciable en el fondo cósmico de microondas (que revela las
ondas específicas de nuestro universo particular) como el único punto de
partida «correcto» de las simulaciones. Sin embargo, hay que tener en
cuenta que la luz es antiquísima, por lo que ha recorrido también muy largas
distancias. Así, esto sólo nos aporta información sobre el punto de partida
correspondiente a partes muy distantes del universo, y no sabemos cómo
evolucionaron las galaxias en esas regiones. <<
[228]t228">[228] Springel et al. (2018), Monthly Notices of the Royal
Astronomical Society, vol. 475, p. 676; Tremmel et al. (2017), Monthly
Notices of the Royal Astronomical Society, vol. 470, p. 1121; Schaye et al.
(2015), Monthly Notices of the Royal Astronomical Society, vol. 446, p. 521.
<<
[229]
t229">[229] Roth, Pontzen y Peiris (2016), Monthly Notices of the
Royal Astronomical Society, vol. 455, p. 974. <<
[230]
t230">[230] Rey et al. (2019), Astrophysical Journal, vol. 886, n.º 1, p.
L3; Pontzen et al. (2017), Monthly Notices of the Royal Astronomical
Society, vol. 465, p. 547; Sánchez et al. (2021), Astrophysical Journal, vol.
911, n.º 2, p. 116. <<
[231] t231">[231] Pontzen, Slosar, Roth y Peiris (2016), Physical Review D,
vol. 93, p. 3519. <<
[232]t232">[232] Angulo y Pontzen (2016), Monthly Notices of the Royal
Astronomical Society, vol. 462, n.º 1, p. L1. <<
[233]t233">[233] Mack (2020), The End of Everything, Londres, Allen
Lane. [Hay trad. cast.: El fin de todo (astrofísicamente hablando), Crítica,
Barcelona, 2021]. <<
[234]
t234">[234] Este argumento ha sido esgrimido en múltiples ocasiones
y bajo diferentes formas; véase, por ejemplo, el capítulo 28.5 de Penrose
(2004), op. cit. Véase también Ijjas et al. (2017), Scientific American, vol.
316, p. 32. <<
[235]t235">[235] Kamionkowski y Kovetz (2016), Annual Review of
Astronomy and Astrophysics, vol. 54, p. 227. <<
[236] t236">[236] Giddings y Mangano (2008), Physical Review D, vol. 78,
n.º 3, p. 035 009; Hut y Rees (1983), Nature, vol. 302, n.º 5908, p. 508. <<
[237] t237">[237] Homero (c. VIII a. e. c.), Odisea, canto 7, 87. <<
[238]t238">[238] «NYPD’s robot dog will be returned after outrage», New
York Post (28 de abril de 2021). <<
[239] t239">[239] The Guardian (2018), en
«https://www.youtube.com/watch?v=WlLWMk7JB80» (consultado el 28 de
octubre de 2022). <<
[240]t240">[240] De todas formas, los libros La conciencia explicada
(1991), de Daniel C. Dennett, y Gödel, Escher, Bach (1979), de Douglas
Hofstadter, sugieren que la conciencia podría ser una consecuencia natural
de un sofisticado aparato pensante. <<
[241] t241">[241] Turing (1950), Mind, vol. 59, p. 433. <<
[242]t242">[242] The Law Society (2018), «Six ways the legal sector is
using AI right now», en «https://www.lawsociety.org.uk» (consultado el 3
de febrero de 2022). <<
[243]
t243">[243] Suponiendo un formato de paquete de cine digital (DCP,
por sus siglas en inglés) de 250 megabits por segundo y películas de
noventa minutos de duración. Más que suficiente. <<
[244]t244">[244] National Library of Medicines Profiles in Science, perfil
biográfico de Joshua Lederberg, en
«https://profiles.nlm.nih.gov/spotlight/bb/feature/biographical-overview»
(consultado el 28 de octubre de 2022). <<
[245] t245">[245] Blumberg (2008), Nature, vol. 452, p. 422. <<
[246] t246">[246] Más concretamente, los campos eléctricos y magnéticos se
utilizan para inferir la relación entre la masa y la carga de los fragmentos.
<<
[247]t247">[247] Bielow et al. (2011), Journal of proteome research, vol.
10, n.º 7, p. 2922. <<
[248]
t248">[248] Smith (2013), en Encyclopedia of Forensic Sciences,
Cambridge (Massachusetts), Academic Press, p. 603. <<
[249]
t249">[249] El nombre deriva de «algoritmo dendrítico». El término
«dendrítico» hace referencia a la estructura arbórea de las moléculas
orgánicas. <<
[250]t250">[250] La misión debía lanzarse en un cohete ruso en 2022, pero
se ha suspendido debido a la guerra de Ucrania. Ahora se espera que se
lance a finales de la década. En
«https://www.ésa.int/Science_Exploration/Human_and_Robotic_Exploratio
n/Exploration/ExoMars/Rover_ready_next_steps_for_ExoMars»
(consultado el 28 de octubre de 2022). <<
[251]
t251">[251] Planck Collaboration (2020), Astronomy and Astrophysics
Review, vol. 641, n.º 6. <<
[252]
t252">[252] Joyce, Lombriser y Schmidt (2016), Annual Review of
Nuclear and Particle Science, vol. 66, p. 95. <<
[253]
t253">[253] Jaynes (2003), Probability theory. The logic of Science,
Cambridge, Cambridge University Press, p. 112. <<
[254]t254">[254] Existen, literalmente, cientos de artículos académicos en
los que se aplican estas técnicas. Para algunos ejemplos pioneros, véase
Ashton et al. (2019), Astrophysical Journal Supplement, vol. 241, n.º 27;
Verde et al. (2003), Astrophysical Journal Supplement, vol. 148, n.º 195;
Kafle (2014), Astrophysical Journal, vol. 794, p. 59. <<
[255]t255">[255] Lightman y Brawer (1992), The Lines and Worlds of
Modern Cosmologists, Cambridge (Massachusetts), Harvard University
Press. <<
[256] t256">[256] Hawking (1969), Monthly Notices of the Royal
Astronomical Society, vol. 142, p. 129. <<
[257] t257">[257] Ibid. <<
[258]t258">[258] Pontzen (2009), Physical Review D, vol. 79, n.º 10, p.
103 518; Pontzen y Challinor (2007), Monthly Notices of the Royal
Astronomical Society, vol. 380, p. 1387. <<
[259]
t259">[259] Hayden y Villeneuve (2011), Cambridge Archaeological
Journal, vol. 21, n.º3, p. 331. <<
[260] t260">[260] Dicho esto, la limitación de nuestra percepción también
resulta útil, al menos para la industria del entretenimiento: cuando vemos la
televisión, creemos estar percibiendo una gran variedad de colores, pero lo
cierto es que lo que vemos en pantalla es una mezcla de luz roja, azul y
verde en diferentes proporciones. Para un observador externo objetivo, los
colores generados por la pantalla se parecerían muy poco a los del mundo
real, pero para la visión humana, la ilusión producida resulta absolutamente
convincente. <<
[261] t261">[261] Coe et al. (2006), Astrophysical Journal, vol. 132, p. 926.
<<
[262]t262">[262] Fan y Makram (2019), Frontiers in Neuroinformatics, vol.
13, p. 32. <<
[263]t263">[263] Hodgkin y Huxley (1952), Journal of Physiology, vol.
117, p. 500. <<
[264]t264">[264] Swanson y Lichtman (2016), Annual Reviews of
Neuroscience, vol. 39, p. 197. <<
[265] bytes. Véase Statista, op. cit. <<
[266]t266">[266] Hebb (1949), The Organization of Behaviour. A
Neurophysical Theory, Nueva York, Wiley & Sons [hay trad. cast.:
Organización de la conducta, Debate, Barcelona, 1985]; Martin, Grimwood
y Morris (2000), Annual Reviews of Neuroscience, vol. 23, p. 649. <<
[267] t267">[267] Hebb (1939), Journal of General Psychology, vol. 21, n.º
1, p. 73. <<
[268] t268">[268] Fields (2020), Scientific American, vol. 322, p. 74. <<
[269]
t269">[269] Bargmann y Marder (2013), Nature Methods, vol. 10, p.
483; Jabr, «The Connectome Debate. Is Mapping the Mind of a Worm
Worth It?», en Scientific American (2 de octubre de 2012). <<
[270]t270">[270] Rosenblatt (1958), Research Trends of Cornell
Aeronautical Laboratory, vol. VI, p. 2. <<
[271]t271">[271] «Electronic “Brain” Teaches Itself», The New York Times
(13 de julio de 1958). <<
[272] t272">[272] Rosenblatt (1961), Principles of Neurodynamics.
Perceptrons and the Theory of Brain Mechanisms, informe n.º VG-1196-G-
8, Nueva York, Cornell Aeronautical Laboratory. <<
[273]t273">[273] En «https://news.cornell.edu/stories/2019/09/professors-
perceptron-paved-way-ai-60-years-too-soon» (consultado el 28 de octubre
de 2022). <<
[274]t274">[274] Registros de Cornell University News Service, #4-3-15,
2073 562, Mark I Perceptron at Cornell Aeronautical Laboratory, en
«https://digital.library.cornell.edu/catalog/ss:550 351» (consultado el 28 de
octubre de 2022). <<
[275]t275">[275] Hay (1960), Mark I Perceptron Operators’ Manual,
informe n.º VG-1196-G-5, Nueva York, Cornell Aeronautical Laboratory.
<<
[276]
t276">[276] Crawford (2021), Atlas of AI, New Haven, Yale University
Press. <<
[277]
t277">[277] Firth, Lahav y Somerville (2003), Monthly Notices of the
Royal Astronomical Society, vol. 339, p. 1195; Collister y Lahav (2004),
Publications of the Astronomical Society of the Pacific, vol. 116, p. 345. <<
[278]t278">[278] Por ejemplo, De Jong et al. (2017), Astronomy and
Astrophysics, vol. 604, p. A134. <<
[279] t279">[279] Lochner et al. (2016), Astrophysical Journal Supplement,
vol. 225, p. 31. <<
[280]t280">[280] Schanche et al. (2019), Monthly Notices of the Royal
Astronomical Society, vol. 483, n.º 4, p. 5534. <<
[281] t281">[281] Jumper et al. (2021), Nature, vol. 596, p. 583. <<
[282]t282">[282] Anderson (16 de julio de 2008), «The End of Theory. The
Data Deluge Makes the Scientific Method Obsolete», Wired,
«https://www.wired.com/2008/06/pb-theory/» (consultado el 28 de octubre
de 2022). <<
[283]t283">[283] Matson, «Faster-Than-Light Neutrinos? Physics
Luminaries Voice Doubts», Scientific American (26 de septiembre de 2011).
<<
[284]
t284">[284] Reich (2012), «Embattled neutrino project leaders step
down», Nature, «https://doi.org/10.1038/nature.2012.10 371». <<
[285]t285">[285] GDPR, art. 15 l(h); «https://gdpr.eu/article-15-right-of-
access/» (consultado el 28 de octubre de 2022). <<
[286]t286">[286] Iten et al. (2020), Physical Review Letters, vol. 124, p.
010 508. <<
[287] t287">[287] Ruehle (2019), Physics Reports, vol. 839, p. 1. <<
[288]t288">[288] Lucie-Smith et al. (2022), Physical Review D, vol. 105, n.º
10, p. 103 533. <<
[289]t289">[289] «Robots “to replace up to 20 million factory jobs” by
2030», BBC News (26 de junio de 2019), «https://www.bbc.co.uk/news/
business-48 760 799» (consultado el 28 de octubre de 2022). <<
[290] t290">[290] Buolamwini (2019), «Artificial Intelligence Has a
Problem With Gender and Racial Bias. Here’s How to Solve It», Time
Magazine, «https://time.com/5520 558/artificial-intelligence-racial-gender-
bias/» (consultado el 28 de octubre de 2022). <<
[291] t291">[291] Crawford (2021), op. cit. <<
[292]t292">[292] «Twitter admits far more Russian bots posted on election
than it had disclosed», The Guardian (20 de enero 2018),
«https://www.theguardian.com/technology/2018/jan/19/twitter-admits-far-
more-russian-bots-posted-on-election-than-it-had-disclosed» (consultado el
28 de octubre de 2022). <<
[293]t293">[293] Brown et al. (2020), «Language Models are Few-Shot
Lear-ners», en Advances in Neural Information Processing Systems 33,
«https://arxiv.org/abs/2005.14 165v1». <<
[294]t294">[294] Floridi y Chiriatti (2020), Minds & Machines, vol. 30, p.
681; para un ejemplo impactante de un sistema basado en GPT capaz de
escribir código, véase GitHub Copilot, «https://github.com/features/copilot»
(consultado el 24 de octubre de 2022). <<
[295]t295">[295] Fredkin (2003), International Journal of Theoretical
Physics, vol. 42, n.º 2; Lloyd (2005), Programming the Universo, Londres,
Jonathan Cape. <<
[296]t296">[296] En «https://startalkmedia.com/show/universe-simulation-
brian-greene/»; «https://www.nbcnews.com/mach/science/what-simulation-
hypothesis-why-some-think-life-simulated-reality-ncna913 926»;
«https://richarddawkins.com/articles/article/are-our-heads-in-the-cloud»
(consultados todos el 28 de octubre de 2022). <<
[297] t297">[297] Bostrom (2003), Philosophical Quarterly, vol. 53, p. 243.
<<
[298] t298">[298] Chalmers (2021), Reality+, Londres, Allen Lane. <<
[299]t299">[299] En «https://richarddawkins.com/articles/article/are-our-
heads-in-the-cloud» (consultado el 28 de octubre de 2022). <<
[300] ≈ 10, lo que arrojaría un total aproximado de unos 3000 bits. En cuanto
a los Richardson, la cuadrícula inicial, cuya confección Louis Fry atribuye
explícitamente a su esposa, tiene 70 valores de viento registrados con tres
cifras significativas y 45 valores de presión con cuatro cifras significativas
(así como otra información secundaria), lo que da una estimación de 1000
bits. <<
[301] t301">[301] Raju (2022), Physics Reports, vol. 943, p. 1. <<
[302]cúbits, basándose en el cálculo de la entropía de un estado térmico en
ausencia de gravedad. Cualquiera que sea la forma que se elija para hacer el
cálculo, la conclusión básica no se ve afectada: sólo el universo entero
puede simular el universo entero. <<
[303] t303">[303] Preskill (2018), Quantum, vol. 2, p. 79. <<
[304]
t304">[304] Esta idea puede remontarse hasta Wheeler (1992),
Quantum Coherence and Reality, Columbia, World Scientific, p. 281. <<
[305]t305">[305] Barrow (2007), Universe or Multiverse?, Cambridge,
Cambridge University Press, p. 481; Beane et al. (2014), European Physics
Journal A, vol. 50, n.º 148. <<
[306] t306">[306] Einstein (1915), Sitzungsberichte der Königlich
Preufische Akademie der Wissenschaften, Berlín, Verlag der Königlichen
Akademie der Wissenschaften, p. 831. <<
[307]t307">[307] Dyson, Eddington y Davidson (1920), Philosophical
Transactions of the Royal Society of London Series A, vol. 220, p. 291. <<
[308]t308">[308] Morrison (2009), Philosophical Studies, vol. 143, p. 33;
véase también Norton y Suppe (2001), en Changing the Atmosphere. Expert
Knowledge and Environmental Governance, Cambridge (Massachusetts),
MIT Press. <<
[309]t309">[309] Pontzen et al. (2017), Monthly Notices of the Royal
Astronomical Society, vol. 465, p. 547. <<