Más de 300 mundos son validados y agregados al conteo de exoplanetas descubiertos por Kepler.

Científicos agregaron la friolera de 301 exoplanetas validados al recuento total de mundos encontrados por el telescopio espacial Kepler, y todo gracias a un conjunto de algoritmos de aprendizaje automático.

​

Estos mundos son los últimos en unirse a los 4.569 planetas ya validados que orbitan una multitud de estrellas distantes. ¿Pero cómo encontraron los astrónomos una cantidad tan grande de planetas, aparentemente todos a la vez? La respuesta está en una nueva red neuronal profunda llamada ExoMiner.

Las redes neuronales profundas son métodos en donde las máquinas aprenden automáticamente una tarea cuando se les proporcionan suficientes datos. ExoMiner es una nueva red neuronal profunda que aprovecha la supercomputadora Pléyades de la NASA 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 nuevos exoplanetas. Y aprende mediante el uso de exoplanetas confirmados en el pasado y casos de falsos positivos. ExoMiner complementa a las personas que son profesionales en analizar datos y descifrar qué es y qué no es un planeta. Específicamente, los datos recopilados por la nave espacial Kepler de la NASA y K2 (su misión de seguimiento).

​

El Aprendizaje Automático (Machine Learning) es un subconjunto de Inteligencia Artificial donde las personas «entrenan» a las máquinas para reconocer patrones basados en datos y hacer sus predicciones. ​

Para misiones como Kepler, con miles de estrellas en su campo de visión —cada una de las cuales tiene la posibilidad de albergar múltiples exoplanetas potenciales—, estudiar minuciosamente conjuntos de datos masivos es una tarea que lleva mucho tiempo. La red neuronal de este programa resuelve tal dilema.

«A diferencia de otros programas de aprendizaje automático de 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», dijo Jon Jenkins, científico de exoplanetas en el Centro de Investigación Ames de la NASA en Silicon Valley, California. «Podemos explicar fácilmente qué características de los datos llevan a ExoMiner a rechazar o confirmar un planeta».

¿Cuál es la diferencia entre un exoplaneta confirmado y validado?

Un planeta se «confirma» cuando diferentes técnicas de observación revelan características que solo pueden ser explicadas por un planeta. Un planeta se «valida» utilizando estadísticas, es decir, qué tan probable o improbable es que sea un planeta según los datos.

En un artículo aceptado para su publicación en The Astrophysical Journal, el equipo de Ames muestra cómo ExoMiner descubrió los 301 planetas utilizando datos del conjunto restante de posibles planetas —o candidatos— en el Archivo Kepler. Los 301 planetas validados por máquinas fueron originalmente detectados por el canal del Centro de Operaciones Científicas de Kepler y promovidos al estado de candidatos a planetas por la Oficina de Ciencias de Kepler. Pero hasta ExoMiner, nadie pudo validarlos como tales.

​

El documento también demuestra cómo ExoMiner es más preciso y consistente para descartar falsos positivos y es más capaz de revelar las firmas genuinas de los planetas que orbitan alrededor de sus estrellas madres, todo mientras les brinda a los científicos la capacidad de ver en detalle lo que llevó a este programa a su conclusión.

«Cuando ExoMiner dice que algo es un planeta, puede estar seguro de que es un planeta», agregó Hamed Valizadegan, líder del proyecto y gerente de aprendizaje automático de la Asociación de Investigación Espacial de Universidades en Ames. «ExoMiner es altamente preciso y, de alguna manera, más confiable que los clasificadores de máquinas existentes y los expertos humanos que debe emular —debido a los sesgos que acompañan al etiquetado humano—».

Mundos no habitables.

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 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», dijo Jenkins.

A medida que continúa la búsqueda de más exoplanetas, con misiones que utilizan fotometría de tránsito —como el TESS y la próxima misión PLAnetary Transits and Oscillations of stars (PLATO)—, ExoMiner tendrá más oportunidades de demostrar que está a la altura de la tarea.

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

Fuente: https://www.nasa.gov/feature/ames/new-deep-learning-method-adds-301-planets-to-keplers-total-count