Por primera vez, se ha confirmado la existencia de 50 exoplanetas con la ayuda de una IA. Ha sido posible gracias al aprendizaje de máquina, que ha permitido descartar, entre un grupo de posibles exoplanetas, los falsos positivos y quedarse solo con los que realmente deberían existir…
La utilidad de una IA al descubrir 50 exoplanetas…
A lo largo de los últimos tiempos, hemos tenido diferentes ejemplos de lo que podría aportar la inteligencia artificial al campo de la astronomía. Por sus características, es ideal para analizar grandes cantidades de datos, a un ritmo muy superior al que se puede conseguir de forma manual, y analizar la ingente cantidad de datos recogidos por telescopios como Kepler, o por el telescopio TESS, su sucesor. El descubrimiento de 50 exoplanetas con una IA, a través del aprendizaje de máquina, es una noticia muy positiva e interesante.
El logro ha sido posible gracias a un grupo de investigadores, de la Universidad de Warwick (en Reino Unido), que ha desarrollado un algoritmo de aprendizaje de máquina para analizar una muestra de posibles planetas. El objetivo era determinar cuáles serían reales y cuáles falsos positivos, calculando la probabilidad de que cada uno de los posibles exoplanetas fuese, realmente, un mundo alrededor de otra estrella. En su estudio, además, realizan una comparación a gran escala de diferentes técnicas de validación de descubrimiento de exoplanetas.
En sus conclusiones, defienden el uso de diferentes técnicas de validación, incluyendo su algoritmo, para que en un futuro se puedan confirmar exoplanetas con más velocidad. Muchas búsquedas de exoplanetas analizan cantidades enormes de datos de telescopios. Buscan tránsitos, el paso de un objeto por delante de la estrella, desde nuestra perspectiva. La caída de brillo podría ser el resultado del paso de un planeta. Pero también podría deberse a un sistema binario de estrellas, interferencia de algún otro objeto más cercano, o incluso simplemente errores en las cámaras.
Diferenciando entre positivos y falsos positivos
Todas esas observaciones pueden confundirse con exoplanetas que realmente existan. Por eso, los investigadores, del Departamento de Física y Ciencias de la computación, así como del Instituto Alan Turing, han construido un algoritmo de aprendizaje de máquina que pueda distinguir entre unos y otros. De forma que se pueda analizar miles de candidatos en las diferentes misiones de búsqueda de exoplanetas. La IA ha sido entrenada para reconocer planetas reales utilizando los datos del telescopio Kepler.
Se usaron dos grandes muestras de planetas confirmados y falsos positivos. Después, aplicaron el algoritmo a un conjunto de datos del telescopio Kepler que todavía no había sido revisado. El resultado fue el hallazgo de 50 exoplanetas con la ayuda de la IA. Es la primera vez que este proceso, el aprendizaje de máquina, valida la existencia de exoplanetas. Hasta ahora, el aprendizaje de máquina se había limitado a clasificar posibles exoplanetas. Nunca habían determinado la probabilidad de que realmente fuese un planeta, algo necesario para su validación.
Estos 50 exoplanetas van desde mundos del tamaño de Neptuno a otros mucho más pequeños, como la Tierra. En algunos casos, con órbitas de hasta 200 días. En otros, de apenas 24 horas. Al confirmar que hay 50 exoplanetas, entre los datos analizados por la IA, ahora los astrónomos pueden decidir cuáles son objetivos deseables para seguir estudiándolos con telescopios dedicados a ello. Los investigadores esperan aplicar esta técnica a grandes cantidades de posibles exoplanetas, de misiones como TESS o PLATO, para validar su presencia.
La utilidad del aprendizaje de máquina se demuestra en el descubrimiento de los 50 exoplanetas con la IA
Según explican, nunca se había utilizado el aprendizaje de máquina en un marco probabilístico, que es imprescindible para validar la presencia de un exoplaneta. Ahora, una IA puede decir cuál es la probabilidad estadística de que un posible exoplaneta esté realmente ahí. Antes solo era posible decir cuál era más probable que lo fuese. Si la posibilidad de que sea un falso positivo es inferior al 1%, se considera un exoplaneta válido. A partir de aquí, esperan desarrollar técnicas más rápidas y que puedan ser completamente automatizadas.
Algo que permitirá analizar los miles de posibles exoplanetas que ya han sido recogidos en observaciones como las del satélite TESS. Los investigadores creen, además, que esta debería ser una de las herramientas que se debería usar en el futuro. A fin de cuentas, explican que el 30% de los exoplanetas conocidos, hasta la fecha, se han validado con un único método. Por ello, es deseable disponer de otros métodos que puedan funcionar en conjunto. El aprendizaje de máquina, además, permite realizar este proceso muy rápido.
De todos modos, todavía tienen que seguir desarrollando el algoritmo. Pero, una vez esté terminado, creen que será mucho más fácil aplicarlo a posibles exoplanetas que se descubran en el futuro. Además, la IA puede seguir aprendiendo a medida que se incorporan nuevos descubrimientos. En el caso de TESS, por ejemplo, se espera que descubra decenas de miles de posibles exoplanetas. Por lo que la irrupción de los análisis por medio de una Inteligencia Artificial es una gran noticia, para poder analizarlos mucho más rápidamente. ¿Cuántos exoplanetas se confirmarán en los próximos años con el aprendizaje de máquina?
Estudio
El estudio es D. Armstrong, J. Gamper y T. Damoulas; «Exoplanet Validation with Machine Learning: 50 new validated Kepler planets». Publicado en la revista Monthly Notices of the Royal Astronomical Society el 20 de agosto de 2020. Puede consultarse en arXiv, en este enlace.
Referencias: Phys
