Per decenni, l’indagine di pianeti al di fuori del nostro sistema solare — gli esopianeti — ha rappresentato uno dei settori più intriganti e complessi dell’astronomia contemporanea.
Il più recente risultato di questa evoluzione rappresenta un significativo progresso per la comunità scientifica: un team di astrofisici dell’Università di Warwick (Regno Unito) ha impiegato strumenti di intelligenza artificiale per esaminare i dati raccolti dalla missione spaziale statunitense Transiting Exoplanet Survey Satellite (TESS) della NASA, confermando oltre 100 nuovi mondi nascosti, molti dei quali erano completamente trascurati dalle metodologie tradizionali di analisi. Oggi, grazie ai progressi nelle tecnologie di intelligenza artificiale, gli scienziati non solo stanno accelerando questa ricerca cosmica, ma stanno anche valorizzando enormi archivi di dati che fino a poco tempo fa apparivano inaccessibili.
Una quantità di dati difficile da gestire
Il telescopio spaziale TESS, lanciato dalla NASA con il compito di monitorare milioni di stelle nella nostra galassia, utilizza un principio semplice ma estremamente delicato: registra minime variazioni nella luminosità delle stelle osservate per scoprire i cosiddetti transiti planetari. Quando un pianeta transita davanti alla sua stella, anche se molto distante da noi, provoca un leggerissimo calo di luce osservabile nelle curve fotometriche.
Tuttavia, non tutti i segnali captati da TESS sono chiari o inequivocabili. Disturbi strumentali, variazioni intrinseche delle stelle, fenomeni naturali come le macchie stellari e altri segnali indesiderati introducono un enorme “rumore di fondo” che spesso confonde i metodi standard di identificazione. Per questo motivo, milioni di osservazioni raccolte dal telescopio vengono spesso accantonate o considerate come candidate “false positive”, rallentando l’identificazione di segnali realmente planetari.
L’intelligenza artificiale rivoluziona il settore
Per affrontare questa problematica, il gruppo di ricerca guidato dall’Università di Warwick ha creato un sofisticato algoritmo di intelligenza artificiale denominato RAVEN, progettato specificamente per analizzare grandi volumi di dati TESS con un livello di precisione e sensibilità impossibile da raggiungere tramite analisi manuali o tecniche tradizionali.
RAVEN non si limita a “osservare” i dati come un essere umano: apprende schemi molto sottili nei segnali, distinguendo tra segnali autentici causati da pianeti e quelli generati da fenomeni non planetari. Questo implica che può identificare transiti così deboli da essere completamente immersi nel rumore di fondo, innalzando la soglia di scoperta rispetto alle tecniche precedenti.
Il risultato? Un insieme di dati di oltre 2.000 candidati di alta qualità, di cui circa 1.000 non erano mai stati identificati prima, e 118 pianeti confermati, tra cui almeno 31 completamente nuovi, che ora arricchiscono la nostra comprensione dei sistemi planetari della galassia.
Un progresso quantitativo e qualitativo, oltre 100 nuovi mondi nascosti
Questa scoperta non implica semplicemente l’aggiunta di qualche pianeta in più alle liste già esistenti: modifica radicalmente la nostra percezione dell’abbondanza e della varietà dei pianeti nella Via Lattea. I nuovi mondi identificati da RAVEN orbitano attorno a stelle di diversa natura e presentano caratteristiche molto varie, contribuendo a completare un mosaico che fino a poco tempo fa appariva incompleto e frammentario.
In particolare, l’analisi si è focalizzata su pianeti con periodi orbitali molto brevi — in alcuni casi meno di 16 giorni terrestri — che risultano difficili da identificare con metodi tradizionali. La conferma di questi mondi ravvicinati fornisce nuovi elementi per comprendere come si formano e si sviluppano i sistemi planetari, soprattutto nelle zone più vicine alle loro stelle madri.
Dal rumore alla scoperta
Un aspetto fondamentale del lavoro è proprio la capacità dell’intelligenza artificiale di estrarre «segnali reali» da un mare di dati apparentemente superflui. I ricercatori confrontano costantemente le uscite di RAVEN con modelli teorici e simulazioni per garantire che i candidati identificati siano effettivamente coerenti con un transito planetario, minimizzando il rischio di falsi positivi.
Questa capacità di gestire grandi dataset in modo rapido, efficiente e ripetibile è una delle principali ragioni per cui la comunità scientifica considera la combinazione di telescopi spaziali e intelligenza artificiale come una delle strade più promettenti per il futuro dell’astronomia. Non si tratta più solo di raccogliere dati, ma di estrarre conoscenza.
La ricerca di “Terre 2.0”
Uno degli aspetti più intriganti di questa nuova ondata di esopianeti è la prospettiva di avvicinarsi sempre di più alla scoperta di mondi potenzialmente abitabili. Anche se la maggior parte dei pianeti identificati con questa metodologia orbita molto vicino alle proprie stelle, rendendo improbabili le condizioni di vita simili a quelle terrestri, la metodologia stessa apre la strada alla possibilità di scoprire pianeti di dimensioni simili alla Terra in zone più temperate in futuro.
Inoltre, lo studio delle popolazioni di pianeti ravvicinati e delle loro caratteristiche consente agli scienziati di definire con maggiore precisione quante stelle simili al Sole possano realmente ospitare pianeti, contribuendo a tracciare un profilo statistico della distribuzione dei mondi nella nostra galassia.
I risultati del progetto sono stati sottoposti a revisione e pubblicati sulla rinomata rivista scientifica Monthly Notices of the Royal Astronomical Society, confermando l’importanza e la solidità delle scoperte.
L’impiego di strumenti come RAVEN per analizzare i dati di missioni come TESS non solo incrementa il numero di esopianeti scoperti, ma trasforma radicalmente il modo in cui gli scienziati possono esplorare il cosmo.
I commenti sono chiusi.