Científicos británicos proponen método automatizado para rastrear exoplanetas Copiar al portapapeles

La búsqueda de exoplanetas requiere cada vez de mejor tecnología y capacidad. Hay cientos de candidatos a exoplanetas entre los datos astronómicos que recopilan los telescopios alrededor del mundo (y fuera de él). Analizar a todos los posibles planetas que aparecen es un proceso lento y hacerlo únicamente bajo revisión humana ya no es una opción. Para optimizar este proceso, científicos computacionales de la Universidad de Warwick, en Reino Unido, proponen un método automatizado para descartar planetas reales de los que no lo son. Para este momento ya ha confirmado a 5.

Un método automatizado para observar el cielo

En su momento, la misión Kepler de la NASA descubrió 2,662 planetas fuera de nuestro sistema solar en casi 10 años de actividad. Como parte de su búsqueda fue necesario descartar los datos de exoplanetas reales y otras señales que no provenían de ellos. Los dispositivos que observan el cielo cada vez son más sofisticados y la cantidad de información es mucho mayor. 

Parte del trabajo de los investigadores de Warwick consistió en comparar los métodos anteriores para validar la existencia de exoplanetas. Los integrantes del equipo fueron David J. Armstrong del Centro de Exoplanetas y Habitabilidad, Jevgenij Gamper del Departamento de Ciencias Computacionales y Theodoros Damoulas, del Departamento de Estadística.

Los autores mencionan que hasta ahora el método más utilizado para validar la existencia de un exoplaneta es el algoritmo Vespa. Lo que ellos proponen es un sistema de aprendizaje automatizado, conocido como Machine Learning, que a partir de distintos modelos previos calcula la probabilidad de haber encontrado un exoplaneta real. Entre sus resultados mencionan que es capaz de analizar cientos de candidatos no vistos en segundos.

El aprendizaje automatizado es una rama de la Inteligencia Artificial. Consiste en que una computadora aprenda a desarrollar una actividad a partir del conocimiento que adquiere progresivamente. Para probar la efectividad de su algoritmo usaron datos que en su momento recopiló la misión Kepler, y mencionan que es capaz de adaptarse al actual Satélite de Investigación de Exoplanetas en Tránsito (TESS, por sus siglas en inglés).

La observación de tránsitos es el método más utilizado en la búsqueda de exoplanetas. Este método consiste en observar una estrella durante un periodo significativo y encontrar disminución en el brillo, lo que indicaría que un planeta pasó frente a él, para confirmarlo se requiere observar que se repite esta disminución. No es un método exento de fallos, podría tratarse de un sistema binario de estrellas, interferencia de algún objeto en el fondo o pequeños errores en la cámara. Es por eso que la validación se vuelve tan importante.

Para probar su efectividad se tomaron datos de la misión Kepler que ya estaban confirmados. En la muestra había exoplanetas confirmados y falsos positivos. A partir de su sistema de aprendizaje, el sistema de validación automatizada confirmó las validaciones que ya estaban hechas y encontró 5 nuevos exoplanetas. Es la primera vez que un sistema de este tipo valida la existencia de un exoplaneta. 

Ya antes se habían usado recursos de Machine Learning para analizar datos sobre candidatos a exoplaneta. En las ocasiones anteriores se usó para clasificar a los candidatos pero nunca para llegar al momento de la validación. “Antes que decir qué candidatos tienen probabilidad de ser planetas, ahora podemos decir con precisión cuál es su probabilidad estadística. Donde la probabilidad de un falso positivo en un candidato es menor a 1% se considera que se ha validado el planeta”, explica el Doctor David Armstrong.De acuerdo con Armstrong, casi el 30% de los candidatos a exoplaneta se validan únicamente mediante un método y esto no es lo ideal. Gracias al uso del Learning Machine el proceso es mucho más rápido y se recurre a más de un método. “Una investigación como la que realiza el TESS tendrá cientos de miles de planetas candidatos y es ideal para mostrar la capacidad de analizarlos consistentemente. Sistemas rápidos y automatizados como este pueden llevarnos a validar planetas en pocos pasos permitiéndonos hacerlo eficientemente”, opina el Doctor Armstrong.