La intel·ligència artificial continua guanyant terreny en la ciència, però poques vegades ho fa amb resultats tan importants com aquest: més de 100 planetes confirmats i milers de candidats addicionals detectats en observacions que ja formaven part dels arxius de la NASA. Això és el que ha aconseguit un equip de la Universitat de Warwick amb RAVEN, un nou sistema d'anàlisi basat en IA aplicat a dades de la missió TESS.
Segons la informació difosa per la universitat, el sistema va permetre validar 118 exoplanetes, inclosos 31 mons completament nous, després de revisar observacions de més de 2,2 milions d'estrelles recollides durant els quatre primers anys de TESS.
El problema no era trobar senyals, sinó saber quins eren reals
Missions com TESS rastregen petites caigudes en la brillantor d'una estrella, un senyal que pot indicar que un planeta ha passat per davant seu. El problema és que no tot el que sembla un trànsit planetari ho és. Hi ha altres fenòmens, com estrelles binàries eclipsats o soroll instrumental, que poden imitar aquest mateix patró.
Aquí és on entra RAVEN. El sistema va ser entrenat amb centenars de milers de simulacions realistes per aprendre a distingir entre senyals compatibles amb exoplanetes i esdeveniments que només s'hi assemblen. Segons l'equip de Warwick, un dels seus avantatges és que integra en una sola cadena d'anàlisi la detecció, el filtratge i la validació estadística.
Entre les troballes hi ha mons especialment rars
Els planetes confirmats no només augmenten el catàleg: diversos pertanyen a categories especialment poc comunes. Alguns són planetes de període ultracurt, mons que completen una òrbita en menys de 24 hores. Altres apareixen en l'anomenat “desert de Neptuns”, una regió on, segons els models actuals, aquest tipus de planetes hauria de ser rar.
El treball també ha identificat sistemes compactes amb diversos planetes orbitant la mateixa estrella, inclosos parells que no es coneixien fins ara. Això permet ampliar no només la llista de descobriments, sinó també la comprensió de quins tipus de mons són més freqüents i quins continuen sent excepcionals.
La IA també serveix per mesurar quants planetes hi ha realment
Una de les parts més valuoses de l'estudi és que no es queda en la troballa individual. Gràcies a un conjunt de dades més ben validat, els investigadors van poder calcular amb més precisió amb quina freqüència apareixen certs tipus de planetes al voltant d'estrelles semblants al Sol.
Segons els seus resultats, entre un 9% i un 10% de les estrelles semblants al Sol tindrien un planeta proper. A més, l'equip assegura haver aconseguit la primera mesura directa de com són d'infreqüents els planetes de l'anomenat “desert neptunià”, situant la seva presència en només un 0,08% de les estrelles estudiades.
Aquest tipus d'estimacions importa molt perquè permet passar del descobriment puntual a una cosa més àmplia: entendre poblacions senceres d'exoplanetes i afinar millor les teories sobre com es formen i es distribueixen per la galàxia.
Una astronomia cada cop més dependent de l'anàlisi massiva de dades
En el fons, aquesta troballa també deixa clar cap on va l'astronomia actual. Ja no depèn només de telescopis més potents, sinó de la capacitat per processar quantitats gegantines d'informació sense perdre fiabilitat pel camí. I aquí la intel·ligència artificial comença a marcar diferències reals.
Segons els seus creadors, RAVEN no només accelera el descobriment de nous mons, sinó que també ajuda a corregir biaixos i a construir catàlegs més consistents. Això el converteix en una eina útil no només per trobar exoplanetes, sinó per respondre preguntes més àmplies sobre quants n'hi ha i quins tipus dominen.
La pròxima frontera no sempre és observar més, sinó interpretar millor
El més interessant d'aquest cas és que molts d'aquests planetes no requerien una missió nova per aparèixer, sinó una eina millor per separar-los del soroll. Aquí hi ha una de les grans promeses de la IA aplicada a l'astronomia: no substituir l'observació, sinó extreure més coneixement de dades que ja existeixen.
I això obre una possibilitat bastant clara: si aquest tipus de sistemes continua millorant, encara podrien quedar molts mons amagats en els arxius de la NASA i d'altres missions, esperant a ser detectats amb una lectura més fina de les dades.