Per scoprire nuovi esopianeti uno dei metodi più efficaci è quello del transito. Si osserva una stella e si misura la sua luminosità. Variazioni nel valore di quest’ultima potrebbero indicare che fra noi e la stella stessa si è contrapposto un pianeta che le orbita attorno. Queste misurazioni di luminosità sono però enormi quantità di dati, che inoltre contengono una serie di falsi positivi. Delle misure che a prima vista sembrano simili a quelle che restituirebbe il passaggio di un esopianeta ma che in realtà sono dovute ad una causa diversa.

Grazie all’uso del machine learning, all’Università di Warwick (in Inghilterra) hanno sviluppato un algoritmo in grado di riconoscere questi falsi positivi e di scartarli oppure selezionarli come esopianeti. L’algoritmo è stato addestrato con due grandi campioni di dati già analizzati e acquisiti dal telescopio Kepler. Nonostante questo telescopio non sia più attivo da fine 2018 sono ancora molti i dati da analizzare. All’algoritmo, dopo essere stato addestrato, è stata affidata l’analisi di un campione di dati di Kepler ancora da studiare.

Il risultato è stato la scoperta di 50 nuovi esopianeti (non in orbita alla stessa stella ovviamente). Quello che l’algoritmo ha fatto in realtà è stato misurare la probabilità che ogni singola misura fosse un falso positivo. Se questa probabilità risultava minore dell’1% allora quello poteva essere classificato come un pianeta. Questi nuovi pianeti hanno grandezze variabili da simili a quella di Nettuno, fino a pianeti più piccoli della Terra. Le loro orbite variano da 200 giorni ad alcune della durata di uno solo.

L’importanza di questo algoritmo

Individuare questi esopianeti all’interno dello osservazioni di Kepler è particolarmente importante perchè permette agli scienziati di sapere dove puntare le prossime missioni che studieranno gli esopianeti già scoperti. Avere un grande numero di candidati vuol dire poter scegliere i pianeti più interessanti e non “sprecare” del prezioso tempo dei futuri telescopi, come CHEOPS o il prossimo JWST.

Finora circa il 30% degli esopianeti sono stati convalidati come tali con un solo metodo di analisi dei dati. Questo non è l’ideale, dato che se quel metodo sbaglia non ci sono controprove per saperlo. Avere un nuovo sistema per convalidare gli esopianeti potrà quindi solo giovare alla correttezza di questa ricerca interplanetaria.

Lo sviluppo di nuovi metodi di convalida è auspicabile anche solo per questo motivo. Ma l’apprendimento automatico ci consente anche di farlo molto rapidamente e dare la priorità ai candidati molto più velocemente. Dobbiamo ancora dedicare tempo alla formazione dell’algoritmo, ma una volta fatto ciò diventa molto più facile applicarlo ai futuri candidati.

Il Dr. David Armstrong, del Dipartimento di Fisica dell’Università di Warwick ha così commentato l’importanza di questo algoritmo.

Lo stato dell’arte

Dr. Theo Damoulas del Dipartimento di Informatica dell’Università di Warwick, e Vicedirettore del Data Centric Engineering presso l’Istituto Alan Turing ha così commentato:

Gli approcci probabilistici all’apprendimento automatico statistico sono particolarmente adatti per un problema eccitante come questo. In astrofisica ciò richiede l’incorporazione di conoscenze precedenti, […] e la quantificazione dell’incertezza nelle previsioni. Un ottimo esempio in cui la complessità computazionale aggiunta all’uso di metodi probabilistici ripaga in modo significativo.

Una delle particolarità di questo algoritmo risiede proprio nel calcolo preciso della probabilità che un candidato sia un esopianeta. Finora esistevano già degli algoritmi simili ma non riuscivano ad eseguire questo calcolo e quindi ad escludere i pianeti dai falsi positivi. Riuscivano solo ad individuare quali quali misure avevano maggior probabilità di essere degli esopianeti.

Ne è un esempio la scoperta di Kepler-1649c, uno degli esopianeti più simili alla Terra e scoperto analizzando i dati scartati da un algoritmo che analizzava le misure di Kepler.

L’articolo completo: Exoplanet Validation with Machine Learning: 50 new validated Kepler planets.

Continua a seguire Astrospace.it sul canale Telegram e sulla pagina Facebook.  Non perderti nessuno dei nostri articoli e aggiornamenti sul settore aerospaziale e dell’esplorazione dello spazio.