"Una de las novedades de este estudio es el análisis de entornos en los que aún se están formando planetas", explica en un comunicado Jason Terry, estudiante de doctorado del departamento de física y astronomía de la Universidad de Georgia y autor principal del estudio, publicado en la revista 'The Astrophysical Journal'. "El aprendizaje automático rara vez se ha aplicado antes al tipo de datos que estamos utilizando, específicamente para observar sistemas que aún están formando planetas activamente".
Los exoplanetas (planetas fuera de nuestro sistema solar) son los más fáciles de encontrar para los científicos y se sabe que existen más de 5.000. El primero se descubrió en 1992. Pero los que están en fase de formación son más difíciles de ver por dos razones: están demasiado lejos -a años luz de la Tierra- y los discos donde se forman son muy gruesos -más que la distancia entre la Tierra y el Sol-. Los datos sugieren que estos planetas están en medio de estos discos.
La Inteligencia Artificial puede ayudar
La investigación demostró que la Inteligencia Artificial (IA) puede ser un apoyo importante para que los científicos a superen estas dificultades. "Se trata de una prueba de concepto muy interesante", afirma Cassandra Hall, profesora adjunta de Astrofísica, investigadora principal del Grupo de Investigación sobre Exoplanetas y Formación de Planetas y coautora del estudio. Dice que la ventaja radica en haber utilizado datos sintéticos de telescopios generados por simulaciones informáticas, que han servido para "entrenar esta IA". Después se aplicó a telescopios reales. "Esto nunca se había hecho antes en nuestro campo, y allana el camino para un diluvio de descubrimientos a medida que lleguen los datos del telescopio James Webb".
Este telescopio facilita la observación de sistemas exoplanetarios al ofrecer una resolución extremadamente brillante y elevada. Además, los propios entornos en formación son un tema de gran interés, pues determinan el sistema solar resultante. "El potencial de datos de calidad es enorme, por lo que es un momento muy emocionante para este campo", afirma Terry.
Para que los científicos puedan dedicar más tiempo a interpretaciones teóricas, son necesarias herramientas analíticas de nueva generación que acojan estos datos de alta calidad. Terry afirma que eso es lo que puede conseguir el aprendizaje automático: puede mejorar la capacidad humana para ahorrar tiempo y dinero, así como orientar eficazmente el tiempo científico, las inversiones y las nuevas propuestas.
Dudas sobre el aprendizaje automático y la IA
Dentro de la ciencia -sobre todo en la astronomía- hay mucho escepticismo girando en torno al aprendizaje automático y la IA. "Una crítica válida de que se trata de una caja negra en la que tienes cientos de millones de parámetros y de alguna manera obtienes una respuesta", define Terry. Pero cree que se ha demostrado "con creces" en ese trabajo que sí está "a la altura de las circunstancias". Acepta que se pueda discutir la interpretación, pero también admite que han obtenido "resultados muy concretos que demuestran la potencia del método".
El trabajo del equipo de investigación está diseñado para desarrollar una base concreta para futuras aplicaciones sobre datos observacionales, demostrando la eficacia del método mediante observaciones simuladas.
