× Cerca
Concepto artístico de Proxima Centauri b, orbitando Alpha Centauri c en el sistema estelar triple Alpha Centauri. Crédito: iso/m. Kornmesser
¿Cómo puede el aprendizaje automático ayudar a los astrónomos a encontrar exoplanetas similares a la Tierra? Eso es lo que espera abordar un nuevo estudio cuando un equipo de investigadores internacionales investigue cómo se puede utilizar un nuevo algoritmo basado en redes neuronales para detectar exoplanetas similares a la Tierra utilizando datos del método de detección de velocidad radial (RV).
Este estudio tiene el potencial de ayudar a los astrónomos a desarrollar métodos más eficientes para detectar exoplanetas similares a la Tierra, que tradicionalmente son difíciles de identificar en los datos de los vehículos recreativos debido a la intensa actividad estelar de su estrella anfitriona. El estudio es publicado Sobre el arXiv Servidor de impresión avanzado.
«El aprendizaje automático es una de las herramientas más eficientes y exitosas para manejar grandes cantidades de datos en el campo científico. Se han propuesto varios algoritmos basados en el aprendizaje automático para mitigar la actividad estelar y detectar mejor masas bajas y/o largas», señala el estudio. notas. Estos algoritmos se pueden clasificar en dos categorías: aprendizaje supervisado y aprendizaje no supervisado. La ventaja del aprendizaje supervisado es que el modelo propuesto contiene un gran conjunto de variables y tiene la capacidad de producir predicciones relativamente precisas basadas en datos de entrenamiento.
Para el estudio, los investigadores aplicaron su algoritmo a tres estrellas para asegurarse de que pudieran identificar exoplanetas dentro de los datos de actividad estelar: nuestro sol, Alpha Centauri B (HD 128621) y Tau ceti (HD 10700), con Alpha Centauri B ubicado aproximadamente a 4,3 años. de edad. A años luz de la Tierra. La ciudad de Tau se encuentra a unos 12 años luz de la Tierra.
Después de introducir señales planetarias simuladas en el algoritmo, los investigadores descubrieron que su algoritmo identificó con éxito exoplanetas simulados con posibles períodos orbitales que oscilaban entre 10 y 550 días para nuestro Sol, 10 a 300 días para Alfa Centauri B y 10 a 350 días para Tau ceti. .
Es importante señalar que Alpha Centauri B ha descubierto actualmente varios exoplanetas potenciales pero ninguno ha sido confirmado, mientras que Tau ceti tiene actualmente ocho exoplanetas listados como “no confirmados” dentro de su sistema.
Además, el algoritmo determinó que estos resultados son consistentes con que Alpha Centauri B y Tau ceti probablemente tengan exoplanetas aproximadamente cuatro veces el tamaño de la Tierra y también dentro de las zonas habitables de esas estrellas. Después de introducir más datos de actividad estelar en el algoritmo, los investigadores descubrieron que el algoritmo identificó con éxito un exoplaneta simulado que es aproximadamente 2,2 veces el tamaño de la Tierra mientras orbita a la misma distancia que la Tierra de nuestro sol.
El estudio señaló en sus conclusiones: “En este artículo, desarrollamos un marco de red neuronal para mitigar eficientemente la actividad estelar a nivel espectral, para mejorar la detección de planetas de baja masa en períodos que van desde unos pocos días hasta unos cientos de días. correspondiente a la zona habitable de las estrellas de tipo.”
Si bien el estudio se centró en encontrar exoplanetas similares a la Tierra dentro de los datos de las naves espaciales, los investigadores señalan que se podrían utilizar datos adicionales, incluido el tiempo de tránsito, la fase y la fotometría espacial, para identificar exoplanetas similares a la Tierra.
Confirman que esto podría lograrlo la misión del telescopio espacial PLATO de la Agencia Espacial Europea, que actualmente está en desarrollo y cuyo lanzamiento está previsto para 2026. Una vez lanzado, estará estacionado en el punto Lagrange L2 del Sol-Tierra, ubicado en el lado opuesto de la Tierra. . Desde el Sol, donde se escanearán hasta un millón de estrellas en busca de exoplanetas utilizando el método de tránsito, con énfasis en exoplanetas terrestres (rocosos).
Este estudio se produce cuando el número de exoplanetas confirmados por la NASA ha llegado a 5.632, de los cuales 201 son planetas terrestres, y también proporciona a la próxima misión PLATO una gran oportunidad para descubrir muchos más exoplanetas terrestres dentro de nuestra Vía Láctea.
más información:
Yinan Zhao et al., Mejora de la detección de planetas similares a la Tierra en velocidad radial mediante aprendizaje profundo, arXiv (2024). doi: 10.48550/arxiv.2405.13247
«Solucionador de problemas. Gurú de los zombis. Entusiasta de Internet. Defensor de los viajes sin disculpas. Organizador. Lector. Aficionado al alcohol».