El Desafío de la «Aguja en el Pajar» Cósmico
El espacio exterior es vasto, pero nuestra capacidad para observarlo está limitada por el «ruido». Durante años, misiones como el satélite TESS de la NASA han escaneado millones de estrellas en busca de exoplanetas —mundos que orbitan soles lejanos—. Sin embargo, detectar un planeta es como intentar ver el parpadeo de una luciérnaga junto a un potente foco de estadio a kilómetros de distancia: la luz de la estrella y otras señales astrofísicas suelen ocultar las huellas más sutiles.
Hasta ahora, los métodos tradicionales dejaban muchos candidatos sin confirmar, en una franja donde distinguir un planeta real de un falso positivo seguía siendo difícil. La solución más reciente ha llegado de la mano de una poderosa combinación: el satélite TESS, como herramienta de captura masiva, y RAVEN, un pipeline de inteligencia artificial desarrollado por la Universidad de Warwick. Esta sinergia ya ha permitido validar 118 exoplanetas y señalar más de 2.000 candidatos de alta calidad —31 de ellos detectados por primera vez en este estudio—, y se suma a otras iniciativas que usan IA para extraer hallazgos de los archivos de la NASA.
TESS: El Vigía Espacial y el Arte de Detectar Sombras
La primera pieza de este rompecabezas es el Transiting Exoplanet Survey Satellite (TESS), una misión espacial de la NASA lanzada el 18 de abril de 2018. Este telescopio espacial utiliza el método de tránsito: busca disminuciones rítmicas en el brillo de una estrella, lo que indica que un planeta ha pasado por delante de ella. Para hacerlo, no orbita al Sol como un observatorio lejano, sino que gira alrededor de la Tierra en una órbita alta y muy elíptica, diseñada para darle una vista amplia y estable del cielo.
La órbita de TESS es uno de sus rasgos más singulares: tarda 13,7 días en completar una vuelta y está en una resonancia 2:1 con la Luna, de modo que el satélite da dos vueltas a la Tierra por cada órbita lunar. En su punto más cercano se sitúa a unos 107.800 kilómetros de la Tierra, y en el más lejano alcanza unos 373.400 kilómetros, casi la distancia de la Luna; esa trayectoria, lograda tras una asistencia gravitatoria lunar, reduce la radiación, estabiliza la temperatura y facilita largas observaciones continuas. Gracias a esa arquitectura y a sus cámaras de gran campo, TESS se ha convertido en un generador de datos colosal: solo en los primeros cuatro años, el pipeline RAVEN analizó más de 2,2 millones de estrellas, aunque distinguir planetas reales de variabilidad estelar, binarias eclipsantes y ruido instrumental siguió exigiendo un enorme trabajo de validación.
RAVEN: El «Cerebro» que Clasifica el Universo
Aquí es donde entra la IA: RAVEN (RAnking and Validation of ExoplaNets). RAVEN es un sistema de aprendizaje automático que actúa como un filtro inteligente de alta precisión. A diferencia de muchos métodos previos, emplea un enfoque bayesiano y modelos entrenados para reconocer ocho escenarios distintos de falsos positivos, es decir, señales que pueden parecer planetas sin serlo.
RAVEN no solo busca la señal; la analiza y le asigna una probabilidad de ser real. Su capacidad más útil reside en que puede procesar miles de candidatos y compararlos con escenarios habituales de error, incluida la variabilidad estelar y el ruido instrumental. Esto permite a los astrónomos priorizar mejor qué señales merecen más estudio, especialmente entre candidatos de órbitas rápidas, y optimizar además el uso de telescopios terrestres, que así pueden centrarse en los objetivos con mayor probabilidad de ser planetas reales.
El Rescate de 100 Mundos Nuevos
Como ya hemos comentado antes, la combinación de TESS y RAVEN ha demostrado ser especialmente eficaz en la búsqueda de exoplanetas. Esa efectividad quedó reflejada en un estudio reciente publicado en la revista Monthly Notices of the Royal Astronomical Society. El equipo de Warwick aplicó RAVEN a los datos de los primeros cuatro años de la misión TESS.
La IA analizó millones de curvas de luz, logrando validar más de 100 exoplanetas, de los cuales 31 fueron detectados por primera vez en este estudio. El sistema fue capaz de identificar y validar mundos con periodos orbitales de menos de 16 días, afrontando además el desafío de la variabilidad estelar y otros falsos positivos que suelen dificultar la detección de estos tránsitos. Este proceso de validación automática ha demostrado ser muy eficaz para priorizar candidatos a gran escala, acelerando de forma notable el trabajo de revisión y seguimiento astronómico.
El «Desierto Neptuniano» y el Contexto Global
Este avance permite explorar el «Desierto Neptuniano», una región cercana a las estrellas donde los planetas de tamaño medio son extremadamente raros debido a que la intensa radiación estelar suele evaporar sus atmósferas, convirtiéndolos en núcleos rocosos, o a que sus procesos de formación dificultan que alcancen órbitas tan cortas. Aunque este fenómeno puede ocurrir en diversos sistemas, se estudia principalmente en estrellas similares al Sol, donde la tecnología de IA RAVEN ha permitido confirmar con una precisión inédita que solo el 0,08% de estas estrellas albergan un mundo en dicha zona.
Más allá del hallazgo científico, este desarrollo posiciona a la Universidad de Warwick a la vanguardia de la astrofísica europea, sentando las bases para misiones de la Agencia Espacial Europea como PLATO, que buscará exoplanetas terrestres en zonas habitables. La necesidad de estos algoritmos es crítica: con los telescopios de próxima generación generando terabytes de datos cada noche, la inteligencia artificial será la única herramienta capaz de procesar tal inmensidad de información.
Un Nuevo Renacimiento Astronómico
La sinergia entre TESS y RAVEN demuestra que la IA no viene a sustituir al astrónomo, sino a ampliar sus capacidades para analizar volúmenes de datos que serían muy difíciles de revisar manualmente. Al mejorar la identificación y validación de señales débiles, esta tecnología tiene un impacto directo en nuestra comprensión del universo y en la búsqueda de nuevos mundos.
Estamos ante un cambio importante: la exploración espacial ya no solo ocurre en los observatorios, sino también en los sistemas informáticos donde los algoritmos ayudan a interpretar la luz. La reflexión final es esperanzadora: si este estudio ha permitido detectar por primera vez 31 mundos en datos ya disponibles, ¿Qué otros secretos aguardan en el silencio del archivo digital? La invitación es a seguir apostando por esta unión entre ciencia y computación para comprender mejor el mapa de las estrellas.
Mentor en adopción de tecnologías de IA
(Promocional)
Descubre más desde Acalanda Magacín
Suscríbete y recibe las últimas entradas en tu correo electrónico.
0 comments on “LA IA QUE DESENTIERRA MUNDOS OCULTOS”