Vea También
 |
| Se han encontrado más de 4.5000 planetas alrededor de otras estrellas, pero los científicos esperan que nuestra galaxia contenga millones de planetas. Existen múltiples métodos para detectar estos pequeños y débiles cuerpos alrededor de estrellas mucho más grandes y brillantes. Crédito: NASA/JPL-Caltech |
Los científicos han añadido recientemente la friolera de 301 nuevos exoplanetas validados al recuento total de exoplanetas. Este grupo de planetas es el último en unirse a los 4.569 planetas ya validados que orbitan alrededor de una multitud de estrellas lejanas. ¿Cómo han descubierto los científicos un número tan elevado de planetas, aparentemente todos a la vez? La respuesta está en una nueva red neuronal profunda llamada ExoMiner.
Las redes neuronales profundas son métodos de aprendizaje automático que aprenden una tarea cuando se les proporcionan suficientes datos. ExoMiner es una nueva red neuronal profunda que aprovecha el superordenador de la NASA, Pleiades, y puede distinguir los exoplanetas reales de los diferentes tipos de impostores, o "falsos positivos".
ExoMiner complementa a las personas que son profesionales a la hora de peinar los datos y descifrar qué es y qué no es un planeta.
En concreto, los datos recogidos por la nave espacial Kepler de la NASA y K2, su misión de seguimiento. Para misiones como Kepler, con miles de estrellas en su campo de visión, cada una con la posibilidad de albergar múltiples exoplanetas potenciales, es una tarea que requiere mucho tiempo para analizar conjuntos de datos masivos. ExoMiner resuelve este dilema.
"A diferencia de otros programas de aprendizaje automático para la detección de exoplanetas, ExoMiner no es una caja negra: no hay ningún misterio en cuanto a por qué decide que algo es un planeta o no", afirma Jon Jenkins, científico especializado en exoplanetas del Centro de Investigación Ames de la NASA, en el Silicon Valley de California.
¿Cuál es la diferencia entre un exoplaneta confirmado y uno validado? Un planeta está "confirmado" cuando diferentes técnicas de observación revelan características que sólo pueden ser explicadas por un planeta. Un planeta se "valida" utilizando estadísticas, es decir, la probabilidad de que sea un planeta en función de los datos.
En un artículo publicado en la revista Astrophysical Journal, el equipo de Ames muestra cómo ExoMiner descubrió los 301 planetas utilizando los datos del conjunto restante de posibles planetas -o candidatos- del archivo Kepler.
Los 301 planetas validados por la máquina fueron detectados originalmente por la tubería del Centro de Operaciones Científicas de Kepler y promovidos al estatus de candidatos a planetas por la Oficina Científica de Kepler. Pero hasta ExoMiner, nadie había podido validarlos como planetas.
 |
| Cuando un planeta se cruza directamente entre nosotros y su estrella, vemos que ésta se oscurece ligeramente porque el planeta bloquea una parte de la luz. Este es uno de los métodos que utilizan los científicos para encontrar exoplanetas. Hacen un gráfico llamado curva de luz con el brillo de la estrella en función del tiempo. Con este gráfico, los científicos pueden ver qué porcentaje de la luz de la estrella bloquea el planeta y cuánto tiempo tarda el planeta en cruzar el disco de la estrella. Crédito: Centro de Vuelo Espacial Goddard de la NASA |
Se cree que ninguno de los nuevos planetas confirmados es similar a la Tierra o se encuentra en la zona habitable de sus estrellas madre. Sin embargo, comparten características similares a la población general de exoplanetas confirmados en nuestro vecindario galáctico.
"Estos 301 descubrimientos nos ayudan a entender mejor los planetas y sistemas solares más allá del nuestro, y lo que hace que el nuestro sea tan único", dijo Jenkins.
"Ahora que hemos entrenado a ExoMiner con los datos de Kepler, con un poco de ajuste, podemos transferir ese aprendizaje a otras misiones, incluida TESS, en la que estamos trabajando actualmente", dijo Valizadegan. "Hay espacio para crecer".
Fuentes, créditos y referencias:
Hamed Valizadegan, Miguel Martinho, Laurent S. Wilkens, Jon M. Jenkins, Jeffrey Smith, Douglas A. Caldwell, Joseph D. Twicken, Pedro C. Gerum, Nikash Walia, Kaylie Hausknecht, Noa Y. Lubin, Stephen T. Bryson, Nikunj C. Oza: “ExoMiner: A Highly Accurate and Explainable Deep Learning Classifier to Mine Exoplanets”, 2021; arXiv:2111.10009.