Este artículo presenta un novedoso enfoque algorítmico para la determinación precisa y fiable del corrimiento al rojo fotométrico, factor clave en los estudios fotométricos de campo amplio. En lugar de técnicas convencionales de aprendizaje automático e inteligencia artificial, proponemos un método para determinar el corrimiento al rojo fotométrico de galaxias mediante una red generativa adversarial condicional (CGAN). El método proporciona estimaciones puntuales y de densidad de probabilidad de los corrimientos al rojo fotométricos, y se prueba utilizando los datos Y1 del Dark Energy Survey (DES) y comparándolos con la Red de Densidad Mixta (MDN). Si bien la MDN supera a la CGAN, sus métricas de rendimiento son similares a las de esta última, lo que sugiere su posible aplicación para la estimación del corrimiento al rojo fotométrico.
