Un destacado grupo de astrónomos ha logrado validar más de 100 exoplanetas, de los cuales 31 son completamente nuevos, gracias al uso de una avanzada herramienta de inteligencia artificial (IA) que se aplicó a los datos obtenidos por el telescopio espacial TESS, perteneciente a la NASA. Esta misión tiene como objetivo principal observar el cielo en busca de los sutiles oscurecimientos en la luz de las estrellas que se producen cuando un planeta pasa frente a ellas, un fenómeno conocido como tránsito planetario. La investigación que da cuenta de estos hallazgos ha sido publicada recientemente en la revista Monthly Notices of the Royal Astronomical Society y es el resultado del trabajo colaborativo de investigadores de la Universidad de Warwick, en el Reino Unido.

El sistema de IA utilizado, denominado Raven, analizó más de 2,2 millones de estrellas que fueron observadas durante los primeros cuatro años de operación del telescopio TESS. Los científicos se enfocaron en identificar planetas que orbitan a proximidad de sus estrellas, completando una órbita en menos de 16 días. Esta metodología no solo ha permitido la validación de 118 nuevos planetas, sino que también ha generado más de 2.000 candidatos de alta calidad, de los cuales cerca de 1.000 son completamente nuevos para la comunidad científica. Según la astrónoma Marina Lafarga Magro, estos resultados representan una de las muestras más detalladamente caracterizadas de planetas cercanos, lo que facilitará la identificación de sistemas que podrían ser objeto de estudios más profundos en el futuro.

Dentro de los exoplanetas recién validados se encuentran poblaciones de gran relevancia científica, como aquellos con períodos de órbita ultracortos, que completan su trayectoria alrededor de sus estrellas en menos de 24 horas. También se han identificado planetas en lo que se conoce como el "desierto neptuniano", una región del espacio donde teóricamente debería haber una escasez de planetas de este tipo, así como sistemas multiplanetarios que incluyen pares de planetas orbitando una misma estrella, lo que podría abrir nuevas vías de investigación sobre la formación y evolución de los sistemas planetarios.

La misión de detección de planetas, si bien ha sido capaz de identificar miles de candidatos, enfrenta el desafío de confirmar cuáles de estas señales son efectivamente reales. A menudo, el oscurecimiento de la luz estelar puede ser causado por otros fenómenos, como eclipses de estrellas binarias, lo que dificulta la identificación precisa de los exoplanetas. En este sentido, la herramienta Raven se presenta como un avance significativo, dado que su diseño busca determinar con mayor precisión la causa de las señales observadas.

Andreas Hadjigeorghiou, uno de los investigadores implicados en el desarrollo de Raven, destaca que el éxito de este sistema radica en la calidad del conjunto de datos utilizado, que incluye cientos de miles de simulaciones de planetas y otros fenómenos astrofísicos que podrían confundirse con señales de tránsito planetario. Este enfoque ha permitido entrenar modelos de aprendizaje automático para detectar patrones en los datos, lo que resulta fundamental para discernir el tipo de fenómeno que se está observando, un área en la que la inteligencia artificial ha demostrado ser especialmente efectiva.

El sistema Raven está diseñado para llevar a cabo todo el proceso de detección y análisis en un solo flujo de trabajo, desde la identificación inicial de la señal hasta su interpretación mediante técnicas de aprendizaje automático. Este avance no solo incrementa la eficiencia en la búsqueda de exoplanetas, sino que también proporciona una herramienta robusta para abordar los complejos desafíos que plantea la confirmación de estos cuerpos celestes en el vasto universo. Con cada nuevo descubrimiento, la comunidad científica se acerca más a comprender la diversidad y la naturaleza de los sistemas planetarios más allá de nuestro propio sistema solar.