Ahogados en datos

Uno de los desafíos científicos de este año está en Suiza, donde los científicos y técnicos del CERN que trabajan en el Gran Colisionador de Hadrones (LHC) están a la caza del mítico bosón de Higgs, una partícula que, de confirmarse su existencia, podría acercarnos a comprender de una vez por todas por qué las cosas tienen masa. Claro que para encontrarlo -o para poder descartar su existencia- tienen que revisar miles y miles de colisiones que se producen en el LHC y las cantidades ingentes de datos que éstas generan a la caza de una señal de que tal partícula existe.

Esto dista de ser trivial. De hecho, si poner en marcha el LHC ha sido todo un logro de la ingeniería, el sistema informático que almacena los datos que recogen sus detectores y que los replica en distintos lugares para que científicos de todo el mundo tengan acceso a ellos, tampoco es moco de pavo. Y el LHC no está solo en esto, ni mucho menos.

El 'Solar Dynamics Observatory' de la NASA, por ejemplo, envía cada día a la Tierra 1,5 terabytes de datos, lo que, para entendernos, equivale a unas 380 películas, mientras que una máquina de análisis de ADN puede producir unos 10 gigabytes de datos diarios. Se calcula que en 1986 sólo el 0,8% de la información disponible se almacenaba en formato digital, mientras que en 2007 ese porcentaje ya era del 98%, y no deja de crecer. Estos datos, además, no están en muchos casos en un formato estandarizado, lo que complica aún más las cosas a la hora de ponerlos en común. No es difícil comprender que esta abundancia de datos es un arma de doble filo, pues los científicos del mundo simplemente se ven superados tanto por la cantidad de información que tienen a su disposición como por el hecho de que puede haber cantidades ingentes de datos relevantes para sus investigaciones a los que no pueden acceder.

Así que es necesario desarrollar herramientas y estándares que permitan compartir toda esta información, lo que tiene un coste adicional que habrá que afrontar, aunque, almismo tiempo, el poder compartir los datos traerá consigo ahorros, al evitar la necesidad de repetir experimentos que ya hayan sido llevados a cabo.