Oltre 100 nuovi pianeti scoperti con l’aiuto dell’IA

L’intelligenza artificiale entra a pieno titolo nella caccia ai mondi alieni: più di cento esopianeti al di fuori del Sistema solare hanno visto confermata la loro esistenza grazie all’analisi dei dati del telescopio spaziale TESS della Nasa. Tra questi, trentuno pianeti sono stati identificati per la prima volta, ampliando in modo significativo la nostra conoscenza dei sistemi planetari vicini.

Powered by

La ricerca, condotta dall’Università di Warwick e pubblicata sulla rivista Monthly Notices of the Royal Astronomical Society, ha sfruttato un sistema di IA chiamato Raven. L’algoritmo ha esaminato oltre 2,2 milioni di osservazioni raccolte nei primi quattro anni di missione di TESS, concentrandosi sui pianeti che orbitano molto vicino alle loro stelle, con periodi inferiori ai sedici giorni.

Secondo la prima autrice dello studio, Marina Lafarga Magro, l’uso di Raven ha permesso di validare 118 esopianeti e individuare oltre duemila candidati, di cui mille completamente nuovi. Questo ha creato uno dei campioni meglio caratterizzati di pianeti con orbite ravvicinate, utile per individuare in futuro i sistemi più promettenti per ulteriori studi.

NASA, addio alla stazione in orbita: si punta tutto su una base stabile sul suolo lunare

Il direttore dell'agenzia sospende il progetto "Gateway": presenza umana fissa sulla superficie del satellite entro il 2028.

Tra le scoperte più interessanti ci sono pianeti con orbite inferiori alle 24 ore, oggetti appartenenti al cosiddetto “deserto neptuniano” — regioni in cui i pianeti simili a Nettuno sono rari — e sistemi con più pianeti vicini alla stessa stella. Dall’analisi è emerso che circa il 10% delle stelle simili al Sole ospita almeno un pianeta in orbita ravvicinata, mentre i pianeti simili a Nettuno rappresentano solo lo 0,08% di queste stelle.

Il sistema Raven non si limita a stilare un elenco di mondi: il suo vero valore risiede nella capacità di distinguere se le oscillazioni della luminosità di una stella siano causate da un pianeta o da altri fenomeni. Come spiega Andreas Hadjigeorghiou, co-sviluppatore dell’IA, i modelli di apprendimento automatico individuano schemi nei dati che permettono di identificare il tipo di evento osservato.

Secondo David Armstrong, coautore dello studio, Raven rappresenta uno strumento affidabile per mappare la prevalenza dei diversi tipi di pianeti intorno a stelle simili al Sole, aprendo nuove strade alla comprensione dei sistemi extrasolari.