La situazione dell'astronomia moderna è, per certi versi, paradossale. Rispetto al passato i dati che ci arrivano sullo spazio grazie alle nuove tecnologie sono di una quantità enorme, ma dall'altra non sempre è così facile riuscirli a elaborare velocemente e a con precisione.
In soccorso degli astronomi, però, arriva l'intelligenza artificiale. Uno studio pubblicato sulla rivista Monthly Notices of the Royal Astronomical Society ha mostrato come un team di ricerca della Università di Warwick in Gran Bretagna, in collaborazione con l'Alan Turing Institute, abbia messo a punto uno strumento che grazie al machine learning permette di confermare l'esistenza di pianeti al di fuori del nostro sistema solare.
Come sottolinea la testata CNET, telescopi come TESS della Nasa analizzano le variazioni nella luminosità delle stelle permettendo agli astronomi di avanzare alcune ipotesi. In questo modo, attraverso dei cali nella luminosità, possono essere scoperti indirettamente i pianeti che orbitano intorno a una determinata stella.
Non sempre, però, il processo è così automatico, dato che un calo di luminosità può anche essere causato da asteroidi o dalla formazione di nubi di polveri create con l'espulsione di consistente materiale dalle stelle, come nel recente caso della perdita di luminosità di Betelgeuse.
- Huawei P30 Pro è uno dei migliori smartphone Android per l'astrofotografia
- Anche Google Pixel 4 ha una modalità per fotografare il cielo notturno
- Come evitare l'appannamento di lenti e telescopi in astrofotografia
Come fare un po' di ordine
L'algoritmo vuole proprio aiutare gli astronomi a riconoscere l'esistenza di questi esopianeti e il primo test è stato condotto su alcuni dati raccolti dalla missione Kepler che, dal 2009 al 2018, aveva avuto l'obiettivo di cercare pianeti simili alla Terra.
I ricercatori hanno così fatto analizzare all'IA due gruppi di potenziali pianeti in modo da confermare l'esistenza di 50 di questi. Per poter raggiungere questo obiettivo, l'algoritmo è stato sviluppato per riconoscere anche i falsi positivi, ovvero quei pianeti che inizialmente apparivano come pianeti ma che in realtà non lo erano.
Chiaramente, come la stessa ricerca mette in luce, il machine learning deve necessariamente affiancare altri strumenti nel processo di validazione dei dati riferiti ai pianeti extrasolari.
In un comunicato stampa dell'università, David Armstrong, del dipartimento di fisica dell'Università di Warwick ha spiegato: «Dal punto di vista delle procedure di validazione dei pianeti, nessuno aveva mai usato prima ad ora una tecnica basata sul machine learning. In passato, questo strumento era stato usato per creare una classificazione dei potenziali pianeti, ma mai in uno scenario probabilistico, che è quello che poi serve davvero».
«Invece di sapere quali candidati possono essere dei pianeti - ha aggiunto Armstrong - la nuova tecnica permette di ottenere delle statistiche precise. Quando la percentuale che si tratti di un falso positivo è inferiore all'1%, allora il candidato viene classificato con certezza come un pianeta».
Fonte: The University of Warwick
