Inteligencia artificial descubre 50 planetas ocultos que los científicos no habían detectado

Un algoritmo de inteligencia artificial ha descubierto 50 nuevos planetas que los humanos habían pasado por alto.

El sistema analizó datos de misiones de telescopios como el Kepler de la NASA y el TESS (Satélite de reconocimiento de exoplanetas en tránsito), los cuales buscan señales de planetas distantes.

Además de estar entrenado para reconocer planetas reales, el algoritmo también podría descartar algunos que no lo son.

Los investigadores de los Departamentos de Física e Informática de Warwick, ejecutaron el algoritmo con planetas potenciales que no habían sido confirmados a partir de datos de Kepler y fue así que descubrieron los nuevos mundos.

Anteriormente las herramientas de aprendizaje automático habían clasificado cuál era la probabilidad de que los ‘planetas’ fueran planetas, pero nunca fueron capaces de determinar la probabilidad de que fueran exoplanetas, dijeron los científicos.

Los 50 planetas llegan a ser tan grandes como Neptuno e incluso hasta más pequeños que la Tierra. Algunos tienen órbitas que duran 200 días terrestres, mientras que otros dan una órbita completa a sus respectivas estrellas una vez al día.

Con la ayuda del algoritmo, los astrónomos ahora pueden priorizar cuáles son mejores para analizar.

La mayoría de los datos recopilados por estudios sobre exoplanetas (mundos fuera del sistema solar) muestran a los cuerpos pasar entre el telescopio y la estrella que orbitan.

A esto se le llama "tránsito" y da como resultado un parpadeo en la estrella que se puede ver desde la Tierra. Sin embargo, descubrir planetas mediante el método de tránsito no siempre es definitivo; a veces, el mismo efecto puede ser causado por un sistema estelar binario, la interferencia de otro objeto o errores del telescopio. Cada una de estas variables da como resultado ‘falsos positivos’, que se pueden filtrar mediante el uso del nuevo algoritmo.

“En términos de validación planetaria, nadie ha usado antes una técnica de aprendizaje automático. El aprendizaje automático se ha utilizado para clasificar candidatos planetarios, pero nunca en un marco probabilístico, que es lo que se necesita para validar realmente un planeta”, dijo el Dr. David Armstrong, del Departamento de Física de la Universidad de Warwick.

“En lugar de decir qué candidatos tienen más probabilidades de ser planetas, ahora podemos decir cuál es la probabilidad estadística precisa. Donde hay menos del uno por ciento de posibilidades de que sea un falso positivo, se considera un planeta validado”, continuó.

Una vez que se crea y se entrena un algoritmo, se puede automatizar por completo. Esto lo hace ideal para analizar miles de candidatos. El Dr. Armstrong dijo que el algoritmo solo etiquetó incorrectamente tres de las 8.000 entradas.

"Encontramos un par de errores aparentes en los resultados, pero en realidad resultaron ser errores en las entradas anteriores", dijo a The Register .