Una red neuronal para detectar exoplanetas

Al ingeniero de software Christopher Shallue le llamó algo la atención. Observó que la Astronomía se está inundando de datos a medida que avanza la tecnología. Como sabrán, esto no es exclusivo de la Astronomía sino de cualquier ciencia. Sin embargo, Shallue se centró en algo muy concreto: los datos generados por el telescopio espacial Kepler usados para detectar exoplanetas. Shallue, que trabaja en Google AI con inteligencia artificial tuvo una idea: aplicar una red neuronal artificial para analizar las ingentes cantidades de datos de Kepler.

«En mi tiempo libre busqué en Google: encontrar exoplanetas con grandes conjuntos de datos. Así descubrí la misión Kepler y el enorme conjunto de datos disponibles. El aprendizaje automático realmente brilla en situaciones donde hay demasiados datos que los humanos no podemos buscar por nosotros mismos», dijo Shallue.

Shallue empezó a colaborar con Andrew Vanderburg, estudiante acogido al programa NASA Sagan Postdoctoral Fellow en la Universidad de Texas. Antes de esta colaboración, las pruebas automatizadas, y a veces los ojos humanos, se utilizaban para verificar las señales más claras. Sin embargo, creyeron que podría haber exoplanetas escondidos en esos datos. Su objetivo era descubrirlos.

El entrenamiento de la red neuronal

Para ello entrenaron la red neuronal artificial con el fin de identificar exoplanetas por el método del tránsito. Este método es el usado por el telescopio espacial Kepler. Consiste en detecar la variación en el brillo de una estrella cuando el planeta pasa por delante de ella bajo nuestra perspectiva.

red neuronal

Visualización del espacio geométrico en el que la red neuronal convolucional incorpora sus entradas de curvas de luz. Los exoplanetas reales se muestran en azul y los falsos positivos en rojo || Créditos: Shallue & Vanderburg.

Aplicaron la red neuronal a un conjunto de 15.000 señales previamente examinadas del catálogo de Kepler. En estas pruebas la red neuronal identificó correctamente tanto verdaderos exoplanetas como falsos positivos en un 96% de las veces. Así, poco a poco fue aprendiendo. Luego, con la red neuronal ya entrenada buscaron señales más débiles. Concretamente se centraron en 670 sistemas con múltiples exoplanetas conocidos.

Los descubrimientos

Y en esos 670 planetas, llegó el descubrimiento. O mejor dicho, los descubrimientos:

El octavo planeta de Kepler-90

Una de esas 670 estrellas es Kepler-90. Su tamaño es similar al del Sol y está situada a 2.545 años luz de nuestro planeta en dirección a la constelación del Dragón. Ya se conocían siete planetas en este sistema y la red neuronal artificial detectó un nuevo exoplaneta, el octavo. Se llama Kepler-90i y es rocoso aunque está muy lejos de parecerse a la Tierra. Su «año» dura 14,4 días y su temperatura superficial promedio está por encima de los 400º C, algo similar a la de la superficie diurna de Mercurio.  Y su tamaño es un 30% más grande que la Tierra.

kepler-90

Sistema planetario de Kepler-90 con sus ocho planetas, incluyendo el nuevo descubrimiento, Kepler-90i || Creditos: NASA/Ames Research Center/Wendy Stenzel (Ampliar).

Como curiosidad, el planeta más externo de este sistema, Kepler-90h, orbita a una distancia similar a la que separa la Tierra del Sol. Y no, el sistema planetario de Kepler-90 no es el más prometedor para albergar vida. Otros sistemas planetarios probablemente sean mucho más adecuados. «El sistema planetario de Kepler-90 es como una versión mini de nuestro sistema solar. Hay pequeños planetas en la parte interna y grandes en la externa, pero todo más comprimido, mucho más cerca», explica Vanderburg

Una Tierra en Kepler-80

Kepler-90i no fue la única joya que esta red neuronal detectó. En el sistema Kepler-80 encontraron un sexto planeta: Kepler-80g. Éste es del tamaño de la Tierra. Y además, cuatro de sus planetas vecinos forman lo que se llama una cadena resonante. Esto quiere decir que los planetas se bloquean por su gravedad mutua en una danza orbital rítmica. El resultado es un sistema extremadamente estable similar al de los siete planetas del sistema TRAPPIST-1 (Gillon et al, 2017).

kepler

Representación artística que muestra algunos de los descubrimientos del telescopio espacial Kepler. Créditos: NASA/W. Stenzel (Ampliar).

«Tal y como esperábamos, hay descubrimientos todavía escondidos en los datos de Kepler que están esperando la herramienta o tecnología adecuadas para sacarlos a la luz. Este hallazgo muestra que estos datos serán un tesoro disponible para los investigadores de los próximos años«, dijo Paul Hertz, director de la División de Astrofísica de la NASA en Washington.

Próxima publicación

«Estos resultados demuestran el valor perdurable de la misión de Kepler. Nuevas formas de ver los datos, como esta investigación, prometen producir avances significativos. Estoy segura de que hay más novedades en los datos esperando ser encontrados«, dijo Jessie Dotson, científica del proyecto Kepler en el Ames Research Center de la NASA en Silicon Valley.

Todo este análisis que informa sobre el hallazgo de estos dos exoplanetas se resumen en un artículo que pueden ver en las referencias. El trabajo ha sido aceptado para su publicación en la revista The Astronomical Journal (Shallue & Vanderburg, 2017). De este modo, con los buenos resultados obtenidos, planean aplicar su red neuronal a todo el conjunto completo de Kepler: 150.000 estrellas...

Referencias

  • Chou, F. (2017). «Artificial Intelligence, NASA Data Used to Discover Eighth Planet Circling Distant Star». JPL News 2017-321 [online] (Ver).
  • Gillon, M., Triaud, A., Demory, BO. et al. Seven temperate terrestrial planets around the nearby ultracool dwarf star TRAPPIST-1. Nature 542, 456-460 (2017). DOI: 10.1038/nature21360 (Ver) (PDF).
  • Johnson, R. (2017). «Discovery of new planet reveals distant solar system to rival our own». Phys.org [online] (Ver).
  • Shallue, C & Vanderburg, A. (2017). «Identifying Exoplanets with Deep Learning: A Five Planet Resonant Chain around Kepler-80 and Eighth Planet around Kepler-90». The Astrophysical Journal [Preprint] (Ver).

Deja tu comentario

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.