La Inteligencia Artificial ayudará a predecir qué planetas son habitables

Las redes neuronales artificiales son sistemas que tratan de replicar la forma de aprender del cerebro humano y resultan especialmente útiles para identificar patrones que resultan demasiado complicados de procesar por parte de un cerebro biológico.

Bajo la dirección de Christopher Bishop, el equipo de científicos entrenó una red neuronal para que clasificara exoplanetas en cinco categorías diferentes, en función de si se parecen más a la Tierra actual, a la Tierra primitiva, a Marte, a Venus o a la luna de Saturno Titán. Los cinco mundos de referencia son rocosos y poseedores de una atmósfera, además de estar entre los objetos "más habitables" de nuestro Sistema Solar.

En palabras de Bishop, "estamos interesados en estas redes neuronales para que establezcan las prioridades de exploración de una nave espacial hipotética, inteligente e interestelar, que sea capaz de escanear un sistema planetario a distancia".

Según el investigador, "también estamos estudiando el uso de antenas desplegables de gran área para recoger los datos de una sonda interestelar que se encuentre a mucha distancia de la Tierra. Algo que sería muy necesario si esta tecnología llega a utilizarse en naves espaciales robóticas en el futuro".

Las observaciones atmosféricas, o espectros, de los cinco cuerpos elegidos del Sistema Solar fueron suministradas a la red neuronal, a la que después se le pidió que las clasificara en cinco tipos planetarios. Como sabemos que, por ahora, la existencia de vida solo está confirmada en la Tierra, la clasificación de la IA utilizó una métrica de "probabilidad de vida" basada en las propiedades atmosféricas y orbitales bien conocidas de los cinco mundos de referencia.

Con estas premisas, Bishop entrenó a la red neuronal con más de cien perfiles espectrales diferentes, cada uno de ellos con cientos de parámetros que contribuyen de un modo u otro a la habitabilidad. Y los resultados, por el momento, han sido satisfactorios, ya que la red funcionó correctamente al presentarle un perfil espectral atmosférico de prueba y que no había visto antes.

"Dados los resultados obtenidos hasta el momento -afirma Angelo Cangelosi, supervisor del proyecto- el método puede resultar extremadamente útil a la hora de categorizar diferentes tipos de exoplanetas".

La técnica también puede ser ideal para seleccionar objetivos para futuras observaciones, dado el aumento en el detalle y las capacidades mejoradas de las nuevas misiones espaciales de observación, como la Ariel, de la ESA, y el Telescopio James Webb, de la NASA.