Descubiertos, de un solo golpe, 301 nuevos exoplanetas

Las redes neuronales son algoritmos de aprendizaje automático capaces de aprender por sí solos una tarea cuando se les proporcionan los datos suficientes. Y ExoMiner es exactamente eso: una red neuronal profunda que aprovecha el poder de la supercomputadora de la NASA , Pléyades , y puede distinguir exoplanetas reales de diferentes tipos de impostores o 'falsos positivos'. Su diseño está inspirado en varias pruebas y propiedades que los expertos humanos utilizan para confirmar la existencia de nuevos exoplanetas. ExoMiner aprende mediante el uso de mundos ya confirmados en el pasado y de casos que resultaron ser falsos positivos. El sistema es extraordinariamente útil a la hora de complementar a los astrónomos y ayudarles a analizar los datos para saber qué es y qué no es un planeta.

En concreto, los investigadores aplicaron la red neuronal a la enorme cantidad de datos recopilados durante años por la misión espacial Kepler , uno de los mayores 'cazadores de planetas' de la NASA. La sonda, con miles de estrellas diferentes en su campo de visión, cada una con la posibilidad de albergar uno o más planetas, produce una cantidad masiva de datos que necesitan mucho tiempo de análisis por parte de los astrónomos. Pero no para ExoMiner, que puede hacerlo mil veces más rápido.

«A diferencia de otros programas de aprendizaje automático de detección de exoplanetas -explica Jon Jenkins , del Centro de Investigación Ames, de la NASA-, ExoMiner no es una caja negra; no hay ningún misterio en cuanto a por qué decide que algo es un planeta o no. Podemos explicar fácilmente qué características de los datos llevan a ExoMiner a rechazar o confirmar un planeta».

Antes de estar totalmente seguros de que se ha descubierto un nuevo exoplaneta, éstos deben pasar por dos estados diferentes: validación y confirmación. Un planeta se 'valida' usando estadísticas, es decir, cómo es de probable, según los datos disponibles, que un objeto captado por los instrumentos sea o no un planeta. En esa fase, se habla de 'planetas candidatos'. Y un candidato no pasa al estado de 'confirmado' hasta que diferentes técnicas de observación revelan características que solo pueden explicarse con la presencia de un planeta.

En un artículo publicado en ' Astronomical Journal ', el equipo de Ames muestra cómo ExoMiner descubrió los 301 planetas utilizando datos del conjunto de planetas candidatos en el Archivo Kepler. Los 301 planetas confirmados por los instrumentos fueron originalmente detectados en el Centro de Operaciones Científicas de Kepler y promovidos al estado de candidatos a planetas por la Oficina de Ciencias de Kepler. Pero hasta ahora nadie había podido validarlos.

El artículo también demuestra cómo ExoMiner es más preciso y consistente a la hora de descartar falsos positivos y es más capaz de revelar las firmas genuinas de los planetas que orbitan alrededor de sus estrellas madre. Y todo de forma transparente, ya que los científicos pueden ver en detalle lo que llevó a ExoMiner a sus conclusiones.

«Cuando ExoMiner dice que algo es un planeta, puedes estar seguro de que es un planeta -dice Hamed Valizadegan , líder del proyecto-. ExoMiner es muy preciso y, de alguna manera, más confiable que los clasificadores de máquinas existentes y los expertos humanos, debido a los sesgos que acompañan al etiquetado humano».

Se cree que ninguno de los planetas recién confirmados es similar a la Tierra o se encuentra en la zona habitable de sus estrellas progenitoras. Pero comparten características similares a la población general de exoplanetas confirmados en nuestro vecindario galáctico.

«Estos 301 descubrimientos -asegura Jenkins- nos ayudan a comprender mejor los planetas y los sistemas solares más allá del nuestro, y lo que hace que el nuestro sea tan único».

A medida que la búsqueda de más exoplanetas se sigue ampliando con misiones como el Satélite de reconocimiento de exoplanetas en tránsito de la NASA, o TESS , y la próxima misión PLAnetary Transits and Oscillations of stars , o PLATO , de la Agencia Espacial Europea, ExoMiner tendrá más oportunidades de demostrar que está a la altura de la tarea.

«Ahora que hemos entrenado a ExoMiner usando datos de Kepler -concluye Valizadegan-, con un poco de ajuste podemos transferir ese aprendizaje a otras misiones, incluida TESS, en la que estamos trabajando actualmente».