En los últimos años, la búsqueda de planetas fuera de nuestro Sistema Solar ha pasado de ser una labor de "aguja en un pajar" a una auténtica revolución de macrodatos (Big Data). La NASA, a través de su Centro de Investigación Ames, ha perfeccionado el uso de Inteligencia Artificial (IA) para procesar el flujo masivo de información de las misiones Kepler y TESS, logrando hitos que hace una década parecían ciencia ficción.
El protagonista de esta hazaña es ExoMiner++, un programa basado en algoritmos de aprendizaje profundo (deep learning) que ya permiten validar 370 exoplanetas y, en su ejecución más reciente, ha señalado 7,000 nuevos objetivos candidatos.
De Kepler a TESS: La evolución del aprendizaje profundo
La clave del éxito de ExoMiner++ reside en su entrenamiento cruzado. Aunque la histórica misión Kepler y la actual TESS (Satélite de Sondeo de Exoplanetas en Tránsito) operan de forma distinta, sus datos resultan compatibles para la IA. Mientras Kepler analizó una sección pequeña del cielo con gran profundidad, TESS realiza un escaneo casi total del firmamento buscando tránsitos planetarios en estrellas cercanas.
Este sistema de IA integra estrategias de análisis sofisticado para una tarea crítica: diferenciar entre un tránsito planetario real (cuando un planeta pasa frente a su estrella y disminuye su brillo) y otros fenómenos astronómicos, como las estrellas binarias eclipsantes, que suelen generar falsos positivos. Como explica Miguel Martinho, coinvestigador del proyecto, el volumen de datos es tan masivo que la intervención humana sin auxilio de la IA sería simplemente insuficiente.
Suscríbete a nuestro canal de Telegram y lleva la información en tus manos.
Un software para el futuro de la humanidad
Uno de los pilares de este avance es la política de ciencia abierta de la NASA. Todos los registros de TESS y de futuras misiones, como el Telescopio Espacial Nancy Grace Roman, son de acceso libre. Esta transparencia no solo mejora la calidad de la ciencia, sino que permite que desarrolladores y astrofísicos de todo el mundo colaboren en la mejora del software.
Jon Jenkins, científico del Centro Ames, subraya que la sinergia entre el código abierto y la inteligencia artificial es lo que está agilizando la obtención de resultados relevantes con recursos optimizados. "Con pocos recursos, podemos obtener muchos beneficios", afirma Hamed Valizadegan , líder del proyecto.
El horizonte de ExoMiner++ es ambicioso. Actualmente, el modelo requiere una lista previa de señales para analizar, pero el equipo de desarrollo ya trabaja en versiones que logren identificar estas señales directamente desde los datos sin procesar. Esto eliminaría casi por completo la intervención humana en la etapa inicial del descubrimiento, permitiendo que los astrónomos se centren exclusivamente en la confirmación definitiva de estos nuevos mundos.
adn Noticias. Te hablamos con la verdad. Suscríbete a nuestro canal de WhatsApp y lleva la información en la palma de tu mano.
