Astrônomos da Universidade de Warwick confirmaram mais de 100 exoplanetas, incluindo 31 mundos recém-descobertos, usando um novo sistema de inteligência artificial. A equipe aplicou a ferramenta aos dados do Transiting Exoplanet Survey Satellite (TESS) da NASA, uma missão que varre o céu em busca de pequenas quedas na luz das estrelas que ocorrem quando um planeta transita pela sua estrela.
Suas descobertas, publicadas em MNRASbaseiam-se numa análise detalhada de observações de mais de 2,2 milhões de estrelas recolhidas durante os primeiros quatro anos do TESS. Os investigadores concentraram-se em planetas que orbitam muito perto das suas estrelas, completando uma órbita completa em menos de 16 dias. Esta abordagem forneceu uma das medições mais precisas de quão comuns são estes planetas de curto período.
“Usando o nosso recém-desenvolvido pipeline RAVEN, fomos capazes de testar 118 novos planetas e mais de 2.000 candidatos a planetas de alta qualidade, quase 1.000 dos quais são novos,” disse a primeira autora, Dra. Marina Lafargo Megra, pós-doutoranda na Universidade de Warwick. “Esta é uma das amostras mais bem caracterizadas de planetas próximos e irá ajudar-nos a identificar os sistemas mais promissores para estudos futuros.”
Tipos raros e extremos de planetas foram descobertos
Os planetas recentemente confirmados incluem várias categorias particularmente interessantes. Alguns são planetas de vida ultracurta, orbitando suas estrelas em menos de 24 horas. Outros pertencem ao chamado “deserto netuniano”, região onde, segundo as teorias atuais, se espera a existência de vários planetas. O estudo também revelou sistemas multiplanetários compactos, incluindo pares de planetas até então desconhecidos orbitando a mesma estrela.
Como RAVEN melhora a detecção de planetas
As atuais missões de descoberta de planetas muitas vezes sinalizam milhares de planetas possíveis, mas determinar quais sinais são genuínos continua difícil. Muitos sinais falsos podem imitar planetas, incluindo estrelas binárias eclipsantes.
“O desafio é determinar se o escurecimento é realmente causado por um planeta em órbita ao redor da estrela ou por outra coisa, como o escurecimento de estrelas binárias, que é o que a RAVEN está tentando responder. Seu poder vem de nosso conjunto de dados cuidadosamente curado de centenas de milhares de planetas modelados realisticamente e outros eventos astrofísicos que podem fingir ser planetas. Treinamos modelos de aprendizado de máquina para detectar padrões nos dados que podem nos dizer o tipo de evento que detectamos, algo em que os modelos de IA se destacam.” disse o Dr. Warwick Andreas Hadjigeorgiou, que liderou o desenvolvimento do gasoduto.
“Além disso, o RAVEN foi projetado para lidar com todo o processo de uma só vez, desde a detecção do sinal até a validação usando aprendizado de máquina e validação estatística. Isso dá ao pipeline uma vantagem adicional sobre as ferramentas atuais que se concentram apenas em certas partes do fluxo de trabalho.”
David Armstrong, professor associado em Warwick e co-autor sénior dos estudos RAVEN, acrescentou: “O RAVEN permite-nos analisar de forma consistente e objectiva enormes conjuntos de dados. Como o pipeline é bem testado e exaustivamente testado, não é apenas uma lista de planetas potenciais – é também suficientemente fiável para ser usado como uma amostra para mapear a prevalência de diferentes tipos de planetas em torno de estrelas semelhantes ao Sol.”
Uma medida de quão comuns os planetas são
Com este conjunto de dados cuidadosamente examinado, os investigadores foram capazes de ir além das descobertas individuais e examinar padrões mais amplos. No companheiro MNRAS No estudo, mediram a frequência com que planetas próximos ocorrem em torno de estrelas semelhantes ao Sol, compilando os resultados por período orbital e tamanho do planeta com um nível de detalhe sem precedentes.
Os resultados mostram que cerca de 9-10% das estrelas semelhantes ao Sol têm planetas próximos. Isto é consistente com descobertas anteriores da missão Kepler da NASA, um telescópio espacial que mediu anteriormente a frequência dos planetas, mas a nova análise reduz as incertezas por um factor de dez.
A equipe também fez a primeira medição direta de quão raros são os planetas do “deserto netuniano”, descobrindo que eles representam apenas cerca de 0,08% das estrelas semelhantes ao Sol.
“Pela primeira vez, podemos definir um número preciso de quão vazio é este ‘deserto'”, disse o Dr. Kaimin Cui, pós-doutorado em Warwick e primeiro autor do estudo de base populacional. “Estas medições mostram que o TESS pode agora igualar, e em alguns casos superar, o Kepler no estudo de populações planetárias.”
Uma nova era para a descoberta planetária
Juntos, estes estudos mostram como os avanços na inteligência artificial estão a transformar a astronomia. Ao combinar enormes conjuntos de dados com aprendizagem automática, os investigadores podem descobrir novos planetas e melhorar os próprios instrumentos com dados complexos do mundo real.
A equipa também lançou catálogos e ferramentas interactivos para que outros cientistas possam explorar os resultados e identificar alvos promissores para observações de acompanhamento utilizando telescópios terrestres e missões futuras, como o PLATO da ESA.
O que é RAVEN
RAVEN é um sistema automatizado projetado para resolver um dos maiores desafios da astronomia, transformando enormes quantidades de dados de telescópios espaciais em descobertas confiáveis. Ele analisa dados de milhões de estrelas para detectar pequenas quedas no brilho causadas por planetas que passam na frente delas. O sistema utiliza então inteligência artificial treinada em simulações realistas para filtrar sinais falsos, como estrelas duplas ou ruído de instrumentos, antes de validar estatisticamente os candidatos mais fortes.
É importante ressaltar que o RAVEN também avalia quais tipos de planetas são mais fáceis ou mais difíceis de detectar, ajudando os pesquisadores a corrigir preconceitos ocultos. Isto significa que não só acelera a descoberta de novos mundos, mas também cria conjuntos de dados mais limpos e fiáveis que podem ser usados para responder a questões mais amplas sobre quão comuns são os diferentes tipos de planetas na galáxia.
