La inteligencia artificial sigue ganando terreno en la ciencia, pero pocas veces lo hace con resultados tan importantes como este: más de 100 planetas confirmados y miles de candidatos adicionales detectados en observaciones que ya formaban parte de los archivos de la NASA. Eso es lo que ha conseguido un equipo de la Universidad de Warwick con RAVEN, un nuevo sistema de análisis basado en IA aplicado a datos de la misión TESS.
Según la información difundida por la universidad, el sistema permitió validar 118 exoplanetas, entre ellos 31 mundos completamente nuevos, después de revisar observaciones de más de 2,2 millones de estrellas recogidas durante los cuatro primeros años de TESS.
El problema no era encontrar señales, sino saber cuáles eran reales
Misiones como TESS rastrean pequeñas caídas en el brillo de una estrella, una señal que puede indicar que un planeta ha pasado por delante de ella. El problema es que no todo lo que parece un tránsito planetario lo es. Hay otros fenómenos, como estrellas binarias eclipsantes o ruido instrumental, que pueden imitar ese mismo patrón.
Ahí es donde entra RAVEN. El sistema fue entrenado con cientos de miles de simulaciones realistas para aprender a distinguir entre señales compatibles con exoplanetas y eventos que solo se les parecen. Según el equipo de Warwick, una de sus ventajas es que integra en una sola cadena de análisis la detección, el filtrado y la validación estadística.
Entre los hallazgos hay mundos especialmente raros
Los planetas confirmados no solo aumentan el catálogo: varios pertenecen a categorías especialmente poco comunes. Algunos son planetas de periodo ultracorto, mundos que completan una órbita en menos de 24 horas. Otros aparecen en la llamada “desert de Neptunos”, una región donde, según los modelos actuales, este tipo de planetas debería ser raro.
El trabajo también ha identificado sistemas compactos con varios planetas orbitando la misma estrella, incluidos pares que no se conocían hasta ahora. Eso permite ampliar no solo la lista de descubrimientos, sino también la comprensión de qué tipos de mundos son más frecuentes y cuáles siguen siendo excepcionales.
La IA también sirve para medir cuántos planetas hay realmente
Una de las partes más valiosas del estudio es que no se queda en el hallazgo individual. Gracias a un conjunto de datos mejor validado, los investigadores pudieron calcular con más precisión con qué frecuencia aparecen ciertos tipos de planetas alrededor de estrellas parecidas al Sol.
Según sus resultados, entre un 9% y un 10% de las estrellas similares al Sol tendrían un planeta cercano. Además, el equipo asegura haber logrado la primera medición directa de lo infrecuentes que son los planetas del llamado “desierto neptuniano”, situando su presencia en apenas un 0,08% de las estrellas estudiadas.
Ese tipo de estimaciones importa mucho porque permite pasar del descubrimiento puntual a algo más amplio: entender poblaciones enteras de exoplanetas y afinar mejor las teorías sobre cómo se forman y distribuyen por la galaxia.
Una astronomía cada vez más dependiente del análisis masivo de datos
En el fondo, este hallazgo también deja claro hacia dónde va la astronomía actual. Ya no depende solo de telescopios más potentes, sino de la capacidad para procesar cantidades gigantescas de información sin perder fiabilidad por el camino. Y ahí la inteligencia artificial empieza a marcar diferencias reales.
Según sus creadores, RAVEN no solo acelera el descubrimiento de nuevos mundos, sino que también ayuda a corregir sesgos y a construir catálogos más consistentes. Eso lo convierte en una herramienta útil no solo para encontrar exoplanetas, sino para responder preguntas más amplias sobre cuántos hay y qué tipos dominan.
La próxima frontera no siempre está en observar más, sino en interpretar mejor
Lo más interesante de este caso es que muchos de estos planetas no requerían una misión nueva para aparecer, sino una herramienta mejor para separarlos del ruido. Ahí está una de las grandes promesas de la IA aplicada a la astronomía: no sustituir la observación, sino extraer más conocimiento de datos que ya existen.
Y eso abre una posibilidad bastante clara: si este tipo de sistemas sigue mejorando, todavía podrían quedar muchos mundos escondidos en los archivos de la NASA y de otras misiones, esperando a ser detectados con una lectura más fina de los datos.