Nuovi mondi scoperti grazie all'IA
Oltre cento pianeti al di fuori del nostro Sistema Solare hanno visto la loro esistenza confermata grazie all'impiego dell'intelligenza artificiale. I dati analizzati provengono dal telescopio spaziale Tess della NASA, un potente strumento dedicato alla ricerca di esopianeti.
La ricerca, guidata dall'Università di Warwick nel Regno Unito, ha portato alla pubblicazione di tre studi sulla prestigiosa rivista Monthly Notices of the Royal Astronomical Society. L'IA, denominata Raven, ha esaminato oltre 2,2 milioni di osservazioni registrate nei primi quattro anni di attività di Tess.
Tess e l'IA: una coppia vincente per l'astronomia
Il telescopio Tess è progettato per rilevare le minime variazioni di luminosità di una stella, causate dal transito di un pianeta davanti al suo disco. Questi segnali, sebbene deboli, sono cruciali per identificare mondi lontani.
Il sistema Raven si è concentrato in particolare sui pianeti con orbite molto strette attorno alle loro stelle, completando un giro in meno di 16 giorni. Questa focalizzazione ha permesso di ottimizzare l'analisi dei dati, individuando anche pianeti precedentemente sfuggiti.
Risultati sorprendenti e nuove prospettive
Grazie all'intelligenza artificiale, sono stati validati 118 esopianeti e identificati oltre 2.000 candidati potenziali, di cui circa mille completamente inediti. Marina Lafarga Magro, autrice principale di uno degli studi, ha definito questo campione «uno dei più accuratamente caratterizzati di pianeti con orbita ravvicinata».
Questi risultati promettono di facilitare in futuro l'individuazione di sistemi planetari particolarmente interessanti per ulteriori indagini. L'analisi ha fornito informazioni preziose su pianeti che orbitano in meno di 24 ore, quelli nel cosiddetto «deserto nettuniano» e sistemi con più pianeti in orbite vicine.
Implicazioni statistiche e future ricerche
Dallo studio emerge che circa il 10% delle stelle simili al Sole ospita almeno un pianeta con orbita stretta. Inoltre, pianeti simili a Nettuno sono presenti solo nello 0,08% di queste stelle. Il sistema Raven si è dimostrato fondamentale nel distinguere i transiti planetari da altre cause di variazione di luminosità stellare.
Andreas Hadjigeorghiou, che ha supervisionato lo sviluppo di Raven, ha spiegato che i modelli di machine learning sono stati addestrati per riconoscere specifici pattern nei dati. David Armstrond, coautore degli articoli, ha sottolineato come l'IA non fornisca solo una lista di pianeti, ma uno strumento affidabile per mappare la prevalenza dei diversi tipi di esopianeti attorno a stelle simili al Sole.