[ad_1]
Durante las últimas décadas hemos avanzado enormemente en la búsqueda de planetas fuera del Sistema Solar. Para ellos telescopios espaciales como el Kepler se han encargado de recopilar una cantidad gigantesca de datos. Ahora bien, analizar todos esos datos es una tarea tediosa para los astrónomos. ¿Y si una IA se encargase de ellos?
Es lo que pensaron investigadores de la Universidad de Warwick en colaboración con el Instituto Alan Turning. Por lo que entrenaron a una inteligencia artificial para que aprendiese a buscar en las muestras de datos de los telescopios y así encontrar nuevos exoplanetas aún no identificados. ¿El resultado? 50 nuevos exoplanetas de golpe.
Durante las últimas dos décadas se han descubierto más de 4.200 exoplanetas a lo largo y ancho del Universo. Esto es importante porque, por analogía, si son similares a la Tierra al orbitar una estrella, tienen más posibilidades de albergar vida o ser habitables. Para descubrir estos exoplanetas generalmente se utiliza una técnica llamada método de tránsito. El método se basa en analizar la cantidad de luz proveniente de una estrella y cómo esa cantidad disminuye temporalmente cuando un exoplaneta se interpone entre la estrella y el telescopio, en otras palabras, cuando transita.
Con esta técnica los astrónomos pueden saber que «ahí hay algo», pero no es una confirmación directa de que se trate de un exoplaneta orbitando esa estrella. Puede ser un sistema binario de estrellas, puede ser un asteroide cercano al telescopio que se ha cruzado, puede ser un error del telescopio… Es por eso que los astrónomos tienen que analizar todos los posibles candidatos uno a uno para ver si realmente se trata de un exoplaneta o un falso positivo.
Descartando falsos positivos
Y aquí es donde ha entrado en juego el sistema de aprendizaje automático de la Universidad de Warwick. Fue entrenado con dos grandes muestras de datos capturados por el telescopio espacial Kepler. Una de esas muestras estaba ya analizada por astrónomos y se confirmó los exoplanetas, la otra eran falsos positivos conocidos. La IA se encargó de comparar ambas muestras y aprender qué diferencias sutiles hay entre un exoplaneta real y un falso positivo.
Después de ser entrenada, la inteligencia artificial analizó una tercera muestra con posibles exoplanetas que aún no se había analizado. Tra analizar las probabilidades de que fuesen o no falsos positivos, la IA seleccionó sólo aquellos que tuviesen menos del 1% de ser falsos positivos y los clasificó como exoplanetas. Con ello fue capaz de descubrir un total de 50 nuevos exoplanetas de golpe.
Uno de los usos más importantes de los algoritmos de aprendizaje automático es para analizar grandes muestras de datos de forma mucho más rápida y automatizada. Esencialmente lo que ha hecho esta IA al observar el vasto Universo repleto de estrellas y posibles exoplanetas.
Más información | Warwick University
Más información | Oxford Academic
[ad_2]
Source link