Un equipo de especialistas de la Universidad de Warwick, en el Reino Unido, ha logrado la validación de 118 exoplanetas localizados fuera de nuestro sistema solar. Este avance fue posible gracias a la implementación de inteligencia artificial aplicada a la vasta base de datos recopilada por el satélite TESS de la NASA.
La investigación, que fue publicada por la revista científica Monthly Notices of the Royal Astronomical Society, representa un progreso fundamental en la detección y caracterización de cuerpos celestes en órbitas próximas. Este estudio provee nuevas herramientas para agilizar la identificación de sistemas de interés en exploraciones futuras.
El motor tecnológico de este hallazgo es el programa de inteligencia artificial denominado RAVEN. Esta herramienta permitió examinar de manera exhaustiva las observaciones de más de 2,2 millones de estrellas captadas por la misión TESS durante sus primeros cuatro años de actividad.
De acuerdo con los encargados del proyecto, el uso de esta tecnología derivó en la validación de 118 planetas, de los cuales 31 nunca habían sido detectados previamente. Además, se identificaron cerca de 2.000 candidatos adicionales que podrían robustecer el catálogo astronómico actual, el cual ya cuenta con más de 6.000 exoplanetas confirmados.
“Esto representa una de las muestras mejor caracterizadas de planetas cercanos a la Tierra y nos ayudará a identificar los sistemas más prometedores para futuros estudios”
Así lo manifestó Marina Lafarga Magro, quien lideró el equipo de investigación, según el reporte de la Universidad de Warwick.
La localización de exoplanetas se basa en captar el tránsito planetario, que consiste en ligeras disminuciones de la luz de una estrella cuando un planeta pasa frente a ella. El reto técnico reside en diferenciar entre una señal planetaria auténtica y otros fenómenos espaciales que producen efectos similares, como las estrellas binarias en eclipse.
“El reto consiste en determinar si el oscurecimiento se debe realmente a un planeta en órbita alrededor de la estrella o a otra cosa, como estrellas binarias eclipsantes, que es lo que RAVEN intenta responder”
Esta explicación fue brindada por Andreas Hadjigeorghiou, desarrollador principal del sistema de inteligencia artificial, en declaraciones difundidas por la institución académica.
El sistema RAVEN fue entrenado mediante el procesamiento de cientos de miles de simulaciones de planetas y diversos fenómenos astrofísicos que suelen confundirse con exoplanetas en las observaciones visuales.
Dicho proceso de aprendizaje automático habilitó a la herramienta para reconocer patrones de alta complejidad y disminuir notablemente los falsos positivos. Esto otorga una precisión superior a la de los métodos de análisis tradicionales y permite validar señales que antes quedaban sin confirmar.
Un avance en la clasificación y el conocimiento de nuevas poblaciones planetarias
La ratificación de más de un centenar de nuevos mundos no solo incrementa el inventario espacial, sino que también ofrece datos inéditos sobre la frecuencia de diversos tipos de planetas que orbitan estrellas con características similares al Sol.
Según las cifras de la Universidad de Warwick, aproximadamente el 10 por ciento de las estrellas de tipo solar analizadas por TESS poseen planetas en órbitas cercanas. Este porcentaje es consistente con lo reportado por la misión Kepler, pero ahora cuenta con un margen de error menor gracias a la capacidad de procesamiento de la IA.
Dentro de los hallazgos se incluyen planetas de período ultracorto, los cuales completan su traslación en menos de 24 horas, además de nuevos sistemas multiplanetarios que contienen pares de planetas desconocidos hasta la fecha.
Asimismo, los investigadores lograron medir con exactitud la densidad planetaria en el llamado “desierto neptuniano”, una región donde la existencia de cuerpos con el tamaño de Neptuno es sumamente escasa.
“Por primera vez, podemos cuantificar con precisión cuán vacío está este ‘desierto’”
Afirmó Kaiming Cui, líder del segmento dedicado a este fenómeno. El estudio determinó que apenas el 0,08 por ciento de las estrellas similares al Sol albergan este tipo de planetas, un dato esencial para ajustar los modelos sobre la formación de mundos.
La plataforma RAVEN está capacitada para administrar todo el flujo de trabajo, abarcando desde la detección de la señal luminosa hasta su verificación y validación mediante estadística, lo que supone una ventaja sobre otros sistemas parciales.
Esta capacidad permite procesar grandes volúmenes de información de manera objetiva, construyendo bases de datos confiables para estudios poblacionales extensos.
“RAVEN nos permite analizar conjuntos de datos enormes de forma consistente y objetiva”
Destacó David Armstrong, profesor asociado en Warwick y coautor de las investigaciones.
El trabajo conjunto entre TESS y RAVEN se apoya en el monitoreo de la luz de millones de soles, utilizando modelos de aprendizaje automático para clasificar eventos y separar señales reales de simulaciones en un tiempo significativamente menor al del análisis humano.
Nuevas perspectivas para la exploración planetaria y la colaboración internacional
La aplicación de la IA en la exoplanetología marca el inicio de una era de validación masiva. Esto permite optimizar la búsqueda y selección de objetivos para misiones venideras, como el proyecto PLATO de la Agencia Espacial Europea (ESA).
La cooperación global vinculada a RAVEN y la publicación de catálogos abiertos facilita que otros especialistas consulten los hallazgos y elijan objetivos para observaciones terrestres o espaciales de alta resolución.
Desde la Universidad de Warwick se enfatizó que esta validación permite una caracterización más exacta de los planetas, especialmente de aquellos con órbitas breves o ubicados en zonas teóricamente poco pobladas, ayudando a comprender mejor la distribución de sistemas multiplanetarios.
El rol de la inteligencia artificial se consolida así como una pieza central para acelerar los descubrimientos astronómicos modernos.
“Hemos entrenado modelos de aprendizaje automático para identificar patrones en los datos que nos indiquen el tipo de fenómeno que hemos detectado, algo en lo que los modelos de IA destacan”
Indicó Andreas Hadjigeorghiou en el comunicado oficial de la universidad.
Los científicos valoran positivamente la reducción de la incertidumbre en las mediciones de frecuencia planetaria y la capacidad de cuantificar fenómenos como el “desierto neptuniano”, que anteriormente solo se conocía de forma aproximada.
Los creadores de RAVEN recalcaron que estos datos son el cimiento para investigaciones futuras y para mejorar la selección de cuerpos celestes que requieran seguimiento espectroscópico.
Este avance sienta un precedente en el manejo de Big Data en astronomía, confirmando la eficacia de la inteligencia artificial ante retos complejos.
“Gracias a Raven, hemos podido validar 118 nuevos planetas y más de 2.000 candidatos a planetas de alta calidad, de los cuales casi 1.000 son totalmente nuevos”
Concluyó Marina Lafarga Magro, subrayando las nuevas oportunidades que se abren para el estudio de sistemas planetarios lejanos.
Fuente: Fuente