¡Descubrimiento revolucionario! Inteligencia Artificial y Deep Learning revelan planeta hermano de la Tierra
Un innovador algoritmo de aprendizaje profundo identifica un exoplaneta similar a la Tierra, potencialmente habitable y perfecto para la vida, marcando un hito en la búsqueda de planetas extrasolares.
Una red neuronal es una técnica dentro de la inteligencia artificial que busca modelar los mecanismos de análisis del cerebro humano. La inteligencia artificial, en cambio, engloba un conjunto de técnicas, como las redes neuronales, para aprender y generar comportamientos inteligentes en procesos informáticos.
Estos procesos automáticos se pueden utilizar en astronomía para encontrar exoplanetas que tengan características similares a la Tierra. Recientemente fue presentado un estudio de un grupo de investigadores internacionales que a través de un algoritmo basado en redes neuronales utilizan un método automático de detección de velocidad radial.
La idea detrás del algoritmo es poder desarrollar métodos computacionales más eficientes para la detección de exoplanetas, ya que antiguamente se hacían a “ojo” a través de los datos obtenidos por los telescopios, sin embargo esto es sumamente difícil pues el brillo de la estrella suele opacar de manera importante al planeta.
Sin duda alguna el aprendizaje automático es una herramienta muy eficiente y exitosa para manejar grandes cantidades de datos. Y aunque ya son muchos los algoritmos que se han presentado para estos fines, el actual estudio, propone ayudar con el problema del brillo estelar y detectar mejor los planetas pequeños.
Aprendizaje Profundo e Inteligencia Artificial
Este tipo de algoritmos se clasifican, principalmente en dos categorías, el aprendizaje supervisado y el no supervisado. La ventaja del supervisado sobre el otro es que se pueden agregar muchas variables y las predicciones son bastante precisas, pues se basan en los datos de entrenamiento.
La simulación para identificar exoplanetas utilizando los datos de actividad estelar, se llevó a cabo con tres estrellas: nuestro Sol, Alpha Centauri B (HD 128621) y Tau ceti (HD 10700). Algo importante para el algoritmo son las distancias, Alpha Centauri B está a unos 4.3 años luz de la Tierra y Tau ceti se encuentra aproximadamente a 12 años luz de la Tierra.
Después de insertar señales planetarias simuladas dentro del algoritmo, los investigadores descubrieron que se identificaron con éxito exoplanetas simulados con períodos orbitales potenciales que oscilaban entre 10 y 550 días para nuestro Sol, 10 a 300 días para Alpha Centauri B y 10 a 350 días para Tau ceti.
Es importante recalcar que Alpha Centauri B ha tenido actualmente varias detecciones de exoplanetas potenciales, pero no confirmadas, mientras que Tau ceti actualmente tiene ocho exoplanetas listados como "no confirmados" dentro de su sistema.
Simulaciones y resultados
Además, en la simulación se identificó que estos resultados corresponden a los exoplanetas de Alpha Centauri B y Tau ceti que son de unas 4 veces el tamaño de la Tierra y además se encuentran dentro de las zonas habitables de cada una de estas estrellas.
Pero no todo quedó en eso, sino que metieron más datos de actividad estelar en el algoritmo, y con esto se pudo identificar con éxito un exoplaneta de aproximadamente 2.2 veces el tamaño de la Tierra mientras orbitaba a la misma distancia que la Tierra de nuestro Sol. algo así como una Tierra 2.0.
La conclusión a la que se llegó es que se pudo desarrollar una red neuronal que es capaz de eliminar el brillo estelar en el estudio del espectro de luz y con eso se mejora la detección de planetas de baja masa y que orbitan con períodos de unos pocos hasta unos cientos de días en la zona habitable de estrellas similares al Sol.
Si bien el estudio se centró en encontrar exoplanetas similares a la Tierra utilizando datos en simulaciones piloto, los investigadores señalan que se podrían utilizar datos adicionales, incluido el tiempo de tránsito, la fase y la fotometría espacial, para identificar exoplanetas reales que sean similares a la Tierra.
La misión PLATÓN
El futuro telescopio espacial PLATO de la Agencia Espacial Europea podría ayudar a conseguir más datos para alimentar al logaritmo. La misión actualmente se está desarrollando y su lanzamiento está programado para 2026.
Una vez lanzado, estará estacionado en el punto Lagrange Sol-Tierra L2 ubicado en el lado opuesto de la Tierra y el Sol, muy cerca de donde se encuentra el Telescopio Espacial James Webb, donde podrá observar hasta un millón de estrellas en busca de exoplanetas utilizando el método de tránsito, enfocándose principalmente en exoplanetas de tipo terrestre (rocosos).
El presente estudio se realizó cuando el número de exoplanetas confirmados por la NASA ha alcanzado 5,671 al momento de escribir este artículo, de los cuales 203 son de tipo terrestre. Este número es prometedor, pues brinda al futuro telescopio PLATO una amplia oportunidad de descubrir muchos más exoplanetas terrestres dentro de nuestra Vía Láctea.
¿Cómo ayudará el aprendizaje automático a los astrónomos a detectar exoplanetas similares a la Tierra en los próximos años y décadas? Sólo el tiempo lo dirá, y en meteored.mx te mantendremos al tanto de los mas recientes descubrimientos de este tipo.
Referencia de la nota:
"Improving Earth-like planet detection in radial velocity using deep learning", publicado el 21 de Mayo 2024, por Yinan Zhao, Earth and Planetary Astrophysics (astro-ph.EP); Instrumentation and Methods for Astrophysics (astro-ph.IM); Machine Learning (cs.LG).