En el primer paso astronómico, los científicos de la NASA ‘entrenaron’ una red neuronal para leer una gran cantidad de datos del famoso telescopio Kepler y descubrir un mundo completamente nuevo.
El nuevo planeta descubierto, llamado Kepler-90i , quedó escondido en los grandes datos recogidos por el telescopio Kepler de la NASA. Se une a otros siete planetas que orbitan la estrella a unos 2.500 años luz de distancia , lo que significa que el sistema Kepler-90 se une a nuestra propia familia de planetas con el mayor número de planetas.
Vídeo relacionado:
Ésta podría ser la primera luna descubierta fuera de nuestro sistema solar
‘Kepler ya nos ha demostrado que la mayoría de las estrellas tienen planetas’, dijo el portavoz de la NASA Paul Hertz en una conferencia de prensa que anunció el descubrimiento. ‘Hoy, Kepler confirma que las estrellas pueden albergar a grandes familias de planetas como nuestro sistema solar.
Unos días antes de la rueda de prensa, circularon muchos rumores sobre la posible detección de vida extraterrestre. No es sorprendente que no fuera el caso, pero este lanzamiento muestra cómo el aprendizaje automático nos puede ayudar a aprender más sobre mundos potencialmente interesantes de la galaxia.
Miles de mundos por descubrir
El telescopio Kepler, lanzado en el 2009, pasó cuatro años sondeando a 150.000 estrellas en una parte del cielo. Su misión era buscar parpadeos cortos a la luz de las estrellas causados por los planetas que pasaban por delante de su estrella. Cuando los científicos encuentran esta señal en los datos, pueden determinar el tamaño del planeta y su distancia a la estrella.
Hasta ahora, Kepler ha identificado 2.525 planetas , y es probable que haya más en sus datos. Pero confirmar que el planeta es real no es tarea fácil. Es imposible que los humanos clasifican la cantidad masiva de datos de Kepler a mano, puesto que los datos contienen muchos billones de posibles órbitas planetarias. Y sólo porque la luz de la estrella se desvanece no significa que el planeta tenga la culpa: las manchas estelares, los ‘satélites’ y otros objetos pueden imitar las ‘huellas dactilares’ del planeta.
Por eso Chris Shallue , ingeniero de inteligencia artificial de Google, decidió utilizar redes neuronales para resolver este problema. El aprendizaje automático se utilizaba anteriormente para filtrar y clasificar los datos de Kepler, pero la red neuronal de Shallue ofrecía un algoritmo más potente.
‘Me interesé por la aplicación de las redes neuronales a la astronomía cuando supe que la misión Kepler estaba recopilando tantos datos que era imposible que los científicos los examinaran a mano’, dijo. ‘Nuestra idea era llevar esta técnica al cielo y entrenar un sistema de aprendizaje automático para identificar planetas que orbitan estrellas lejanas.
Un nuevo enfoque fantástico
Como su nombre indica, las redes neuronales se basan en la actividad del cerebro humano. Pueden entrenarse para reconocer y categorizar muchas cosas, como la diferencia entre las imágenes de perros y gatos. Por último, después de considerar suficientes ejemplos, el ordenador es capaz de clasificar gatos y perros por sí mismo.
Shallue entrenó la red para reconocer huellas planetarias específicas. Extrajo 15.000 señales planetarias reales del conjunto de datos Kepler y empezó a entrenar el sistema para distinguir los mundos reales de las señales que se podían disfrazar de planetas. Tras probar la tasa de aprendizaje del sistema, encontró que identificaba a los planetas correctamente el 96% del tiempo.
Luego implementó el algoritmo. Shallue y Andrew Vanderburgh de la Universidad de Texas en Austin le pidieron que estudiara unas 670 estrellas del campo de Kepler que ya tenían planetas conocidos, puesto que es más probable que los planetas existan en grupos.
Luego proporcionaron señales de sistemas que no se consideraban suficientemente potentes para que los humanos los examinaran a mano. En estas señales, el ordenador identificó dos nuevos planetas , descritos en un estudio que se publicará en The Astronomical Journal.
‘Estos dos planetas tienen señales débiles que no se han detectado en búsquedas anteriores de estas estrellas’, dijo Shallue.
Relacionado: Kepler descubre dos planetas del tamaño de la Tierra que orbitan una sola estrella
Nuevos horizontes
Uno de los planetas, Kepler-80g , es el sexto conocido del sistema. Kepler-80g, aproximadamente del tamaño de la Tierra, tarda 14,6 días en orbitar su estrella, que es más pequeña y roja que el Sol.
La red neuronal también identificó a Kepler-90i . Este planeta, que es algo mayor que la Tierra y cuyo año sólo dura dos semanas terrestres , es también el tercero más alejado del Sol, algo mayor y más caliente que nuestra estrella. Dos planetas igualmente pequeños orbitan a la estrella más cerca que Kepler-90i, mientras que los planetas que orbitan más lejos de la estrella aumentan gradualmente de tamaño.
Aunque este número de símbolos planetarios es grande, están agolpados porque los ocho planetas están distribuidos a la misma distancia de su estrella que la Tierra del Sol.
‘Kepler-90i no es un sitio que quiero visitar’, dice Vanderburg. ‘La superficie es probablemente caliente, creemos que tendría una temperatura media de unos 426 grados centígrados ‘ .
Añadió que Kepler-90 podría albergar a más planetas que aún no se han descubierto. Él y Shallue tienen previsto ejecutar todos los datos de Kepler a través de su red neuronal para ver lo que encuentran. Pero no se preocupe: los ordenadores aún no sustituirán a los astrónomos humanos.
‘Será un esfuerzo conjunto con los astrónomos’, dijo la portavoz de la NASA Jessie Dotson. ‘Nunca se quedará sin este componente. Debe tener estas clasificaciones iniciales para entrenar un sistema de aprendizaje automático, y después pueden analizar muchas más señales que los humanos.
Ignacio Llorente es una amante del estudio de los planetas. Por eso nos enseña cómo poner en práctica los mejores consejos para avistarlos y analizarlos. Realiza largas caminatas por la naturaleza en plena noche con su equipo de astrónomos con frecuencia. Los mejores tips sobre planetas que podemos leer.