msgbartop
Blog de noticias sobre google.
msgbarbottom

14 Dic 17 El cielo es el límite: cazando planetas con aprendizaje automático

Durante cientos de años hemos mirado las estrellas, registrando sus observaciones y observando algunos patrones. Los planetas fueron algunos de los objetos identificados por los primeros astrónomos. Los griegos los llamaron “planētai” o “vagabundos”, por su movimiento aparentemente irregular por el cielo nocturno. Siglos de observaciones y el desarrollo de teorías nos ayudaron a entender que la Tierra y otros planetas de nuestro sistema solar giran alrededor del Sol (que, además, es también una estrella como muchas otras)

Ahora, con la ayuda de tecnologías como la óptica de los telescopios, los vuelos espaciales, las cámaras digitales y los potentes ordenadores, podemos ampliar nuestro conocimiento más allá de nuestro Sol y detectar planetas que giran alrededor de otras estrellas. El estudio de estos planetas – llamados exoplanetas – nos sirve de ayuda para ocuparnos de algunas de las preguntas más profundas del ser humano sobre el Universo. ¿Hay algo más en el espacio exterior? ¿Existen otros planetas y sistemas solares como el nuestro?

Pese a que la tecnología nos ha ayudado en esta búsqueda, el estudio de los exoplanetas es aún un proceso muy complicado. En comparación con las estrellas que los alojan, los exoplanetas son lugares fríos, pequeños y oscuros, lo que les hace muy difíciles de detectar: como si tratáramos de ver una luciérnaga al lado de un potente proyector…pero a miles de kilómetros de distancia. Sin embargo, con la ayuda del aprendizaje automático recientemente hemos logrado algunos progresos.

Para buscar los exoplanetas, los astrofísicos analizan enormes cantidades de datos de la misión Kepler de la NASA, utilizando software automático y análisis manual. Kepler ha observado unas 200.000 estrellas durante cuatro años, capturando una imagen cada 30 minutos y creando unos 14.000 millones de puntos de datos. ¡Estos 14.000 millones de puntos de datos equivalen a dos cuatrillones de órbitas planetarias posibles! Es una cantidad inmensa de información incluso para ser analizada por los ordenadores más potentes, por lo que el estudio de esta información resulta una labor increíblemente complicada y es algo que precisa una gran cantidad de tiempo. Así es como para agilizar este proceso y hacerlo más efectivo, hemos optado por utilizar el aprendizaje automático.

El brillo medido de una estrella disminuye muy levemente cuando un planeta en órbita bloquea parte de la luz. El telescopio espacial Kepler observó el brillo de 200,000 estrellas durante 4 años para buscar estas señales características causadas por los planetas en tránsito.

El aprendizaje automático es un mecanismo para enseñar a los ordenadores a reconocer patrones y es especialmente útil para procesar grandes cantidades de datos. La idea principal es permitir al ordenador que aprenda de los ejemplos, en vez de que los humanos programen reglas específicas.

Soy un investigador del equipo de IA de Google interesado en los temas del Espacio. Contacté con Andrew, un astrofísico de la Universidad de Texas en Austin, Estados Unidos, para colaborar con él. Juntos, llevamos las técnicas del aprendizaje automático a los cielos y enseñamos al sistema a identificar los planetas que giran alrededor de estrellas lejanas.

Con el empleo de un conjunto de datos de más de 15.000 señales etiquetadas de Kepler, creamos un modelo en TensorFlow para distinguir planetas entre formas que no eran planetas. Para hacer esto, tenía que reconocer patrones causados por planetas reales, versus patrones causados por otros objetos como manchas estelares y estrellas binarias. Cuando probamos nuestro modelo con señales nunca detectadas, identificó correctamente un 96% de las veces las señales que correspondían a planetas y las que no lo eran. ¡Así supimos que funcionaba!

Equipados con nuestro modelo de trabajo, apuntamos a lo más alto, y lo usamos para buscar nuevos planetas con los datos de Kepler. Para ayudarnos a estrechar la búsqueda, decidimos examinar las 670 estrellas que ya conocíamos que albergaban dos o más exoplanetas. Esta tarea nos permitió descubrir dos nuevos planetas: Kepler 80g y Kepler 90i. En especial, podemos destacar que Kepler 90i es el octavo planeta descubierto que gira alrededor de la estrella Kepler 90, convirtiéndolo en el primer sistema solar conocido de ocho planetas fuera del nuestro.

Usamos 15,000 señales Kepler etiquetadas para entrenar nuestro modelo de aprendizaje automático para identificar las señales planetarias. Usamos este modelo para buscar nuevos planetas en datos de 670 estrellas, y descubrimos dos planetas que no habíamos logrado identificar en búsquedas previas.

Algunos datos curiosos sobre nuestro planeta recién descubierto: es un 30% más grande que la Tierra, y tiene una temperatura en la superficie de, aproximadamente, 426°C – definitivamente, no es un buen lugar donde pasar unas vacaciones. Asimismo, tarda 14 días en realizar una órbita completa alrededor de su estrella, lo que significa celebrarías allí tu cumpleaños cada dos semanas.

Kepler 90i es el primer sistema de 8 planetas conocido fuera del nuestro. En este sistema, los planetas orbitan más cerca de su estrella y Kepler 90i orbita una vez cada 14 días. (Ten en cuenta que los tamaños de los planetas y las distancias de las estrellas no están a escala).

El cielo es el límite cuando se trata de las posibilidades que ofrece el aprendizaje automático. Hasta ahora, solo hemos usado nuestro modelo para estudiar 670 estrellas de las 200.000 conocidas, por lo que puede haber una gran cantidad de exoplanetas aún por descubrir en los datos de Kepler. Pensamos que nuevas ideas y técnicas con esta tecnología pueden ayudar a impulsar los descubrimientos intergalácticos en los próximos años. Hacia el infinito y más allá!

Comments are closed.