Inteligencia artificial descubre más de 100 exoplanetas ocultos en datos de NASA

Un equipo de astrónomos de la Universidad de Warwick confirmó más de 100 exoplanetas, incluidos 31 mundos recién identificados, utilizando un nuevo sistema de inteligencia artificial llamado RAVEN. Este innovador sistema analizó datos de la misión de la NASA conocida como Transiting Exoplanet Survey Satellite (TESS), la cual escanea el cielo en busca de ligeras caídas en la luz de las estrellas que ocurren cuando un planeta pasa frente a su estrella anfitriona.

Los hallazgos, publicados en MNRAS, se basaron en un análisis detallado de observaciones de más de 2,2 millones de estrellas recopiladas durante los primeros cuatro años de TESS. Los investigadores se enfocaron en planetas que orbitan muy cerca de sus estrellas, completando una órbita en menos de 16 días. Este enfoque permitió obtener una de las mediciones más precisas sobre la frecuencia de estos planetas de período corto.

La primera autora, la doctora Marina Lafarga Magro, investigadora postdoctoral en la Universidad de Warwick, comentó: "Usando nuestro nuevo pipeline RAVEN, validamos 118 nuevos planetas y más de 2,000 candidatos de alta calidad, casi 1,000 de ellos completamente nuevos. Esto representa una de las muestras mejor caracterizadas de planetas cercanos y ayudará a identificar los sistemas más prometedores para estudios futuros".

Tipos de planetas raros y extremos identificados

Los nuevos planetas confirmados incluyen varias categorías especialmente interesantes. Algunos son planetas de período ultra corto que orbitan a sus estrellas en menos de 24 horas. Otros pertenecen al llamado 'desierto Neptuniano', una región donde se espera que existan pocos planetas según las teorías actuales. El estudio también reveló sistemas multi-planeta densamente empaquetados, incluidos pares de planetas previamente desconocidos que orbitan la misma estrella.

Cómo RAVEN mejora la detección de planetas

Las misiones modernas de búsqueda de planetas suelen marcar miles de posibles planetas, pero determinar cuáles son señales genuinas sigue siendo un desafío. Muchas señales falsas pueden imitar a los planetas, incluidas las estrellas binarias eclipsantes.

El doctor Andreas Hadjigeorghiou, quien lideró el desarrollo del pipeline, explicó: "El desafío radica en identificar si el oscurecimiento es causado por un planeta en órbita alrededor de la estrella o por algo más, como estrellas binarias eclipsantes, que es lo que RAVEN intenta responder. Su fortaleza proviene de nuestro conjunto de datos cuidadosamente creado de cientos de miles de planetas simulados de manera realista y otros eventos astrofísicos que pueden disfrazarse como planetas. Entrenamos modelos de aprendizaje automático para identificar patrones en los datos que pueden indicar el tipo de evento que hemos detectado, algo en lo que los modelos de IA destacan".

Además, RAVEN está diseñado para manejar todo el proceso de una vez, desde la detección de la señal hasta su validación estadística. Esto le da al pipeline una ventaja adicional sobre las herramientas contemporáneas que solo se enfocan en partes específicas del flujo de trabajo.

El doctor David Armstrong, profesor asociado en Warwick y coautor senior de los estudios de RAVEN, añadió: "RAVEN nos permite analizar enormes conjuntos de datos de manera consistente y objetiva. Debido a que el pipeline está bien probado y cuidadosamente validado, no se trata solo de una lista de planetas potenciales, sino que también es lo suficientemente confiable como para utilizarse como muestra para mapear la prevalencia de tipos distintos de planetas alrededor de estrellas similares al Sol".

Medición de cuán comunes son realmente los planetas

Con este conjunto de datos cuidadosamente validado, los investigadores pudieron ir más allá de los descubrimientos individuales y examinar patrones más amplios. En un estudio complementario en MNRAS, midieron con qué frecuencia ocurren planetas cercanos alrededor de estrellas similares al Sol, mapeando los resultados por período orbital y tamaño del planeta con un nivel de detalle sin precedentes.

Los resultados mostraron que alrededor del 9-10% de las estrellas similares al Sol albergan un planeta cercano. Esto se alinea con hallazgos anteriores de la misión Kepler de la NASA, un telescopio espacial que previamente midió las tasas de ocurrencia de planetas, pero el nuevo análisis reduce las incertidumbres hasta un factor de diez.

El equipo también realizó la primera medición directa de cuán raros son los planetas del 'desierto Neptuniano', encontrando que aparecen alrededor de solo el 0.08% de las estrellas similares al Sol.

El doctor Kaiming Cui, investigador postdoctoral en Warwick y primer autor del estudio poblacional, afirmó: "Por primera vez, podemos poner un número preciso sobre cuán vacío está este 'desierto'. Estas mediciones muestran que TESS ahora puede igualar, y en algunos casos superar, a Kepler en el estudio de poblaciones planetarias".

Una nueva era para el descubrimiento de planetas

Estos estudios destacan cómo los avances en inteligencia artificial están transformando la astronomía. Al combinar enormes conjuntos de datos con aprendizaje automático, los investigadores pueden descubrir nuevos planetas mientras también mejoran las herramientas a través de datos reales desafiantes.

El equipo también ha lanzado catálogos interactivos y herramientas para que otros científicos puedan explorar los resultados e identificar objetivos prometedores para observaciones posteriores utilizando telescopios terrestres y futuras misiones como PLATO de la ESA.

¿Qué es RAVEN?

RAVEN es un sistema automatizado diseñado para abordar uno de los mayores desafíos de la astronomía, convirtiendo enormes volúmenes de datos de telescopios espaciales en descubrimientos confiables. Escanea datos de millones de estrellas para encontrar las pequeñas caídas de brillo causadas por planetas que pasan frente a ellas. Luego, el sistema utiliza inteligencia artificial entrenada en simulaciones realistas para filtrar señales falsas, como estrellas binarias o ruido instrumental, antes de confirmar estadísticamente los candidatos más fuertes.

Importante, RAVEN también evalúa qué tipos de planetas son más fáciles o difíciles de detectar, ayudando a los investigadores a corregir sesgos ocultos. Esto significa que no solo acelera el descubrimiento de nuevos mundos, sino que también produce conjuntos de datos más limpios y confiables que pueden utilizarse para responder preguntas más amplias sobre cuán comunes son diferentes tipos de planetas en toda la galaxia.