L'IA scopre 100 esopianeti nascosti nei dati Tess

AGI - Erano lì, nascosti nei dati già raccolti. Oltre 100 esopianeti sono stati 'scoperti' da un team internazionale di astronomi. 31 dei nuovi esopianeti sono di recente individuazione. La scoperta è stata resa possibile grazie all'applicazione di Raven, un innovativo algoritmo di intelligenza artificiale, ai dati raccolti dal telescopio spaziale TESS (Transiting Exoplanet Survey Satellite) della Nasa. I risultati della ricerca sono stati pubblicati sulla rivista scientifica Monthly Notices of the Royal Astronomical Society e portano la firma, tra gli altri, di ricercatori dell'Università britannica di Warwick.

Raven è stato addestrato per analizzare le osservazioni di oltre 2,2 milioni di stelle, accumulate nei primi quattro anni di attività di TESS. Il focus dell'analisi riguardava l'individuazione di pianeti con orbite strette attorno alle loro stelle ospiti, con periodi di rivoluzione inferiori ai 16 giorni. Raven è stato progettato per distinguere se l'oscuramento della luce stellare sia causato dal transito di un pianeta o da altri fenomeni astrofisici.

La convalida di nuovi pianeti

"Grazie a Raven, siamo stati in grado di convalidare 118 nuovi pianeti e oltre 2.000 candidati pianeti di alta qualità, di cui quasi 1.000 sono totalmente nuovi - ha dichiarato Marina Lafarga Magro, tra i firmatari dello studio - Questo rappresenta uno dei campioni meglio caratterizzati di pianeti vicini e ci aiuterà a identificare i sistemi più promettenti per futuri studi".

Corpi celesti di interesse scientifico

Tra i corpi celesti convalidati, lo studio evidenzia diversi corpi celesti di particolare interesse scientifico: pianeti a periodo ultracorto, con orbite inferiori alle 24 ore; pianeti appartenenti al cosiddetto "deserto nettuniano", una classe di esopianeti rara in quella specifica regione orbitale; sistemi multiplanetari con orbite ravvicinate, incluse coppie di pianeti attorno alla stessa stella finora sconosciute.

L'efficienza del sistema Raven

A differenza degli strumenti attuali, che analizzano solo specifiche parti del flusso di lavoro, il sistema Raven è in grado di gestire l'intero processo, dal rilevamento del segnale fino all'analisi tramite machine learning e alla validazione statistica.