Los dos primeros planetas descubiertos por una Inteligencia Artificial

Durante una teleconferencia celebrada hace apenas unos minutos, la NASA acaba de anunciar los nuevos descubrimientos de la misión Kepler, el instrumento orbital que ha identificado ya más de 4.400 mundos fuera de nuestro Sistema Solar. Se trata, en esta ocasión, de un nuevo planeta, el octavo, alrededor de la estrella Kepler 90, similar al Sol y a 2.545 años luz de distancia, y del sexto alrededor de la estrella Kepler 80. El trabajo se publicará próximamente en The Astronomical Journal.

Pero la importancia de este hallazgo no radica, esta vez, los planeta en sí mismos, sino en la forma en que fueron descubiertos. Ambos mundos, en efecto, fueron identificados gracias a la aplicación del «machine learning» de Google. O lo que es lo mismo, un sistema de Inteligencia Artificial que permite que las máquinas, imitando el funcionamiento del cerebro humano, aprendan de su entorno. En este caso concreto, los ordenadores de la agencia espacial aprendieron a identificar exoplanetas analizando bajo una nueva luz los datos almacenados de Kepler en los que el telescopio registró señales débiles y sin confirmar de presencia planetaria.

«Tal y como esperábamos -afirmó Paul Hertz, director de la división de Astrofísica de la NASA en Washington- había nuevos y emocionantes descubrimientos acechando entre los datos archivados de Kepler, todos ellos esperando a la herramienta o tecnología que pudiera desenterrarlos. Este hallazgo demuestra que los datos que tenemos almacenados seguirán siendo un tesoro disponible para los investigadores de los próximos años».

El hallazgo de Kepler 90i, un planeta caliente y rocoso que orbita su estrella una vez cada 14,4 días, fue posible después de que Christopher Shallue y Andrew Vanderburg entrenaran a un ordenador para que aprendiera cómo identificar exoplanetas a partir de las lecturas de los pequeños cambios de luminosidad de las estrellas registradas por Kepler. De hecho, el telescopio espacial es capaz de detectar los minúsculos cambios en el brillo de las estrellas que observa cuando un planeta pasa (o hace un tránsito) frente a ella.

De forma similar a como lo haría un cerebro humano a base de conexiones de neuronas, la «red neuronal» artificial del ordenador revisó los datos obtenidos por Kepler y logró encontrar las débiles señales de tránsito de un octavo planeta, que antes había sido pasado por alto, y que se suma a los siete ya conocidos en órbita alrtededor de la estrella Kepler 90, en la constelación de Draco.

Si bien el «machine learning» ya se había usado con anterioridad para «bucear» en las bases de datos de Kepler, esta investigación demuestra que las redes neuronales son una herramienta útil y prometedora a la hora de verificar algunas de las señales más débiles ocultas entre la marea de datos, señales que antes no habían sido identificadas con los métodos convencionales.

Un mundo infernal

En cuanto al hallazgo en sí, otros sistemas planetarios serán, con toda probabilidad, más aptos para la vida que el de la estrella Kepler 90. El mundo recién descubierto, Kepler 90i, es casi un 30% mayor que la Tierra, y está tan cerca de su estrella que su temperatura superficial media supera los 425 grados centígrados, algo parecido a nuestro Mercurio. En este sistema, el planeta más externo, Kepler 90h orbita a una distancia parecida a la de la Tierra del Sol.

«El sistema planetario de Kepler 90 -explica Andrew Vanderburg, astrónomo de la Universidad de Texas en Austin- es como una versión en miniatura de nuestro Sistema Solar. Hay pequeños planetas en el interior y grandes planetas en la zona externa, pero todo está apretado en muy poco espacio».

Christopher Shallue, por su parte, es ingeniero de software en el equipo de investigación de Inteligencia Artificial de Google, y fue quien tuvo la idea de aplicar una red neuronal a los datos del telescopio Kepler. Shallue empezó a interesarse en la búsqueda de exoplanetas cuando descubrió que la Astronomía, igual que sucede en otras ramas de la Ciencia, está siendo rápidamente «inundada» por una auténtica avalancha de datos, que aumenta a medida que las tecnologías de observación espacial mejoran.

Entrenar a la máquina

«En mi tiempo libre -afirmó Shallue- empecé a buscar en Google `encontrar exoplanetas con grandes conjuntos de datos` y fue entonces cuando descubrí la misión Kepler y la enorme cantidad de datos disponibles que tenía. Y resulta que el "machine learning" brilla especialmente en situaciones en las que hay demasiados datos, tantos que los humanos no pueden gestionarlos por sí mismos".

El conjunto de datos de cuatro años de actividad de Kepler consiste en 35.000 posibles señales planetarias. Señales que después deben ser verificadas, tanto por humanos como por sistemas automáticos, proceso para las que se eligen solo las más prometedoras. Sin embargo, las señales más débiles suelen perderse al utilizar los métodos convencionales. Y fue por esa razón que Shallue y Vanderburg pensaron que entre el enorme número de datos descartados podían ocultarse exoplanetas que habían sido pasados por alto.

Lo primero que hicieron los dos investigadores fue entrenar a la red neuronal para que fuera capaz de identificar un exoplaneta en tránsito (esto es, pasando por delante de su estrella). Para ello utilizaron un conjunto de 15.000 señales previamente verificadas, extraidas del catálogo de exoplanetas de Kepler. Esta primera prueba fue un éxito, ya que la red neuronal fue capaz de identificar correctamente planetas verdaderos y distinguirlos de falsos positivos, con una tasa de aciertos superior al 96%.

El siguiente paso, una vez que la red neuronal «aprendió» a identificar planetas en tránsito, los investigadores dirigieron su atención a las señales más débiles de 670 estrellas que ya contaban con múltiples planetas conocidos. Lo hicieron así porque pensaron que los sistemas con algún planeta ya confirmado eran el mejor lugar para buscar mundos que hubiera podido escabullirse y pasar inobservados.

«Obtuvimos muchos falsos positivos -explicó Vanderburg- pero también planetas potencialmente reales. Fue como buscar entre las rocas para encontrar joyas. Si tienes un tamiz más fino, cogerás más rocas, pero también más joyas».

Y un sexto planeta

De hecho, el planeta Kepler 90i no fue la única «joya» encontrada por la red neuronal de Google. En el sistema de la estrella Kepler 80, en efecto, la red neuronal logró encontrar un sexto planeta, hasta ahora desconocido, para sumarlo a los cinco ya identificados. En esta ocasión, el planeta Kepler 80g tiene un tamaño similar a la Tierra, y junto a sus cuatro mundos más cercanos forma lo que se denomina una «cadena de resonancia», donde los planetas se bloquean unos a otros, debido a su mutua gravedad, en una «danza orbital» rítmica y ordenada. El resultado es un sistema extremadamente estable, muy similar al que forman los siete mundos del famoso sistema Trappist 1, en el que se cree que podría haber algún planeta con agua y muy similar a la Tierra.

En vista de estos espectaculares resultados, Shallue y Vanderburg planean ahora poner a trabajar su red neuronal en el conjunto completo de datos de Kepler, que abarca a 150.000 estrellas. Ni que decir tiene que los científicos de la misión están más que encantados por esta inesperada ayuda. La Inteligencia Artificial, en efecto, podrá bucear entre los datos como nunca nadia había podido hasta ahora, y encontrar señales de nuevos mundos que a cualquier humano se le habrían escapado.