Un sistema basato sull’intelligenza artificiale ha permesso di identificare e validare oltre 100 esopianeti, inclusi 31 completamente nuovi, analizzando i dati della missione spaziale Tess della Nasa. Il lavoro e’ stato guidato da Marina Lafarga Magro e David Armstrong della University of Warwick ed e’ pubblicato su ‘Monthly Notices of the Royal Astronomical Society’. La ricerca introduce una nuova pipeline chiamata Raven, capace di analizzare grandi quantita’ di dati astronomici e distinguere i segnali reali dei pianeti da quelli dovuti ad altri fenomeni. Gli scienziati hanno applicato Raven a osservazioni di oltre 2,2 milioni di stelle raccolte nei primi quattro anni della missione Tess, concentrandosi su pianeti con orbite molto brevi, inferiori a 16 giorni. Il sistema ha consentito di validare 118 pianeti e individuare oltre 2mila candidati di alta qualita’, circa la meta’ dei quali completamente nuovi. “Questo rappresenta uno dei campioni meglio caratterizzati di pianeti vicini alla loro stella”, ha spiegato Marina Lafarga Magro.
Tra le scoperte figurano pianeti con periodi ultra-brevi, inferiori a 24 ore, sistemi multipli con piu’ pianeti attorno alla stessa stella e rari oggetti appartenenti al cosiddetto ‘deserto nettuniano’, una regione dove la presenza di pianeti e’ teoricamente poco probabile. La difficoltà principale nell’identificazione degli esopianeti e’ distinguere i reali cali di luminosita’ causati dal transito di un pianeta da fenomeni simili, come sistemi binari e rumore strumentale. Raven affronta questo problema utilizzando modelli di apprendimento automatico addestrati su centinaia di migliaia di simulazioni realistiche. “L’intelligenza artificiale eccelle nel riconoscere schemi complessi nei dati”, ha spiegato Andreas Hadjigeorghiou, che ha guidato lo sviluppo del sistema. Un ulteriore punto di forza e’ l’integrazione dell’intero processo in un’unica pipeline, dalla rilevazione del segnale alla validazione statistica. Grazie a questo approccio, i ricercatori hanno potuto anche stimare con maggiore precisione la frequenza dei pianeti: circa il 9-10% delle stelle simili al Sole ospita pianeti con orbite ravvicinate. Lo studio fornisce inoltre la prima stima diretta della rarita’ dei pianeti nel ‘deserto nettuniano’, presenti solo nello 0,08% dei casi. I risultati dimostrano come l’uso combinato di grandi dataset astronomici e intelligenza artificiale possa accelerare la scoperta di nuovi mondi e migliorare la comprensione della distribuzione dei pianeti nell’universo. I cataloghi e gli strumenti sviluppati sono stati resi disponibili alla comunità scientifica per facilitare future osservazioni e missioni spaziali.
