Imagina que intentas oír un susurro en mitad de un estadio lleno. Eso es, más o menos, lo que pasa al buscar los llamados modos B primordiales en el fondo cósmico de microondas, la luz más antigua del universo. Es una señal débil que queda tapada por emisiones muchísimo más intensas de nuestra propia galaxia. Un artículo publicado en arXiv el 1 de octubre de 2026 propone mejorar las herramientas de procesado de datos que tienen que sacar ese susurro del ruido. Lo firman Hoang Viet Tran, Guillaume Patanchon, Michele Citran y Benjamin Beringue.

El trabajo, de 44 páginas y 20 figuras, aún no ha pasado revisión por pares. Según sus autores, está preparado para enviarse a la revista Journal of Cosmology and Astroparticle Physics (JCAP). Se publica en acceso abierto con licencia CC BY 4.0.

Qué se busca y por qué cuesta tanto

El fondo cósmico de microondas (CMB, por sus siglas en inglés) llega desde todas direcciones y conserva información sobre el universo cuando era muy joven. Esa luz está ligeramente polarizada, y los cosmólogos dividen esa polarización en dos patrones: los modos E y los modos B. Los modos B de gran escala tienen un interés especial. Si se detectaran con origen primordial, serían una pista de ondas gravitacionales generadas en los primeros instantes del cosmos, que es lo que predicen los modelos de inflación cósmica.

Su intensidad se resume en un número, el cociente tensor-escalar, que se escribe r. Medirlo bien, o acotarlo, es uno de los grandes objetivos de la cosmología observacional. El problema es lo que los astrónomos llaman foregrounds o «primeros planos»: emisiones de la Vía Láctea que se cuelan en las mismas frecuencias. Las dos principales son el polvo interestelar y la radiación sincrotrón, producida por electrones que giran en el campo magnético galáctico. Ambas son brillantes, complejas y cambian de una zona del cielo a otra.

Cómo funciona SMICA y qué han cambiado

Aquí entra la informática. SMICA (Spectral Matching Independent Component Analysis) es un método estadístico de «separación de componentes». Parte de observaciones del cielo en varias frecuencias y descompone la mezcla en sus ingredientes: la señal cosmológica por un lado y la contaminación galáctica por otro. Es «semiciego», porque no necesita conocer de antemano todos los detalles físicos de cada contaminante y deja que los propios datos marquen buena parte de la separación.

Su punto débil, según el artículo, es que la versión estándar supone que la emisión de los primeros planos no varía de un lugar a otro del cielo. Los autores consideran esa hipótesis físicamente poco realista y explican que resta eficacia al método. Para corregirlo proponen dos estrategias que se complementan:

• Más componentes efectivos. Además de los grados de libertad físicos del polvo y del sincrotrón, añaden al modelo componentes extra que absorben las variaciones que la descripción simple no recoge.
• Trabajar por zonas. En lugar de tratar todo el cielo de una vez, SMICA se aplica de forma independiente a subconjuntos del cielo. Así se ajusta mejor a las particularidades locales de la emisión.

Hay un tercer paso que ya no actúa sobre la separación en sí, sino sobre el análisis estadístico final. El equipo reconstruye plantillas de los contaminantes a partir de los propios datos y las usa para «marginalizarlos» en la verosimilitud. Dicho de forma sencilla: tiene en cuenta de manera explícita la contaminación que pueda quedar al estimar r, para que no lo infle.

Las pruebas: un satélite simulado

Todo se ha probado con datos simulados, no con observaciones reales. Las simulaciones imitan lo que mediría un satélite parecido a LiteBIRD, una misión espacial diseñada precisamente para cartografiar la polarización del fondo cósmico. Para comprobar la solidez del método, los autores usaron modelos de contaminación galáctica cada vez más complejos, conocidos como d1s1 y d10s5.

El resultado que destacan es que, al combinar las mejoras de separación con la marginalización por plantillas, el valor de r recuperado queda prácticamente libre de sesgo, con incertidumbres estadísticas del orden de 10^-3 o inferiores. En el resumen lo describen así:

«brings the recovered tensor-to-scalar ratio r to effectively unbiased levels»

La letra pequeña conviene tenerla clara. Es un preprint sin revisión por pares. Los datos son simulados, y el cielo real puede ser más complicado que cualquier modelo. Además, el trabajo no anuncia ninguna detección de ondas gravitacionales primordiales: lo que mejora es la herramienta que algún día podría encontrarlas o descartarlas con más precisión.

Por qué importa

En la cosmología moderna, el telescopio es solo la mitad del instrumento. La otra mitad es el software que convierte terabytes de mapas contaminados en un único número fiable. Si la limpieza falla, un satélite carísimo puede confundir polvo galáctico con un eco del Big Bang, o quedarse corto por exceso de prudencia. Que los métodos de separación de señales se adapten mejor a un cielo irregular es lo que permitirá exprimir las misiones de próxima generación. Y estas técnicas de separar fuentes mezcladas son primas de las que se usan para aislar voces en una grabación o limpiar imágenes médicas.