Cómo la Inteligencia Artificial está cambiando la forma en que buscamos vida extraterrestre

Tras el lanzamiento de dos telescopios con el objetivo de encontrar planetas habitables, y con un total de 5.496 exoplanetas confirmados y 9.820 más a la espera de este aval, la carrera por caracterizar estos mundos lejanos y evaluar su habitabilidad empuja a la ciencia hacia nuevos límites

La búsqueda de biofirmas, como nitrógeno y oxígeno, orienta a los científicos, pero también se baraja la posibilidad de señales de vida desconocida (Imagen ilustrativa Infobae)

En los últimos dos años y medio se han enviado al espacio dos telescopios de última generación: el Estación espacial James Webb (JWST) de la NASA y Observatorio Euclides de la ESA. Antes de que termine la década, se les unirán Telescopio Espacial Romano Nancy Grace (RST), él Espectrofotómetro para la Historia del Universoel Era de la reionización y el Explorador de hielo (SPHEREx) de la NASA y Tránsito de la ESA y oscilaciones planetarias (PLATÓN), entre otros.

Le puede interesar: La NASA concluyó que los informes existentes sobre ovnis no demuestran un origen extraterrestre

Estos observatorios contarán con ópticas e instrumentos avanzados para ayudar en la búsqueda y caracterización de exoplanetas con el objetivo final de encontrar planetas habitables. Además de las misiones aún operativas, estos observatorios recopilarán volúmenes masivos de datos espectroscópicos de alta resolución.

Clasificar esta información requerirá técnicas de aprendizaje automático de vanguardia para buscar signos de vida y procesos biológicos (también conocidos como biofirmas). En un artículo reciente, un equipo de científicos del Instituto de Teoría Fundamental de la Universidad de Florida (UF-IFL) recomendó que futuros estudios utilicen el aprendizaje automático para buscar anomalías en los espectros, que podrían revelar firmas químicas inusuales y biológicas desconocidas.

Quizás te interese: ¿Estamos solos en el Universo? La NASA presenta hoy su último informe sobre ovnis

Se publicó una preimpresión de su artículo en arXiv y se está revisando para su publicación en el Astrophysical Journal. Allí los especialistas explicaron que la “vida” sigue siendo una cuestión abierta para los científicos y que sería ventajoso ampliar el alcance de nuestra búsqueda.

En la última década, telescopios de nueva generación como el Telescopio Espacial James Webb y el Observatorio Euclid han revolucionado la astronomía (foto: NASA)

La primera detección confirmada de un exoplaneta (una opción similar a la Tierra que podría albergar vida) fue en 1992, y consistió en dos Supertierras (Poltergeist y Phobitor) observadas alrededor de un púlsar (PSR B1257+12, también conocido como Lich) ubicado A 2.300 años luz de la Tierra. Si bien los científicos creían firmemente que la mayoría de las estrellas tenían su propio sistema de planetas, antes de este descubrimiento no tenían pruebas indiscutibles. Y hasta el lanzamiento de Telescopio espacial Kepler En 2009, los descubrimientos de exoplanetas se acumulaban a un ritmo de unos pocos por año.

Quizás te interese: El telescopio James Webb descubrió un exoplaneta con posibles señales de vida

Desde entonces, un total de 5.496 exoplanetas en 4.096 sistemas y otros 9.820 candidatos esperan confirmación. En los últimos años, el proceso ha pasado del descubrimiento a la caracterización, donde instrumentos y métodos mejorados han permitido a los astrónomos analizar las atmósferas de los exoplanetas directamente para medir su habitabilidad potencial.

“Los instrumentos están mejorando”, explicó Matcheva en una entrevista con USA Today; mejor resolución espectral, nivel excepcional de señal-ruido, cobertura de longitud de onda más amplia. Además del JWST, que ha realizado algunas observaciones espectroscópicas excepcionales de varios exoplanetas, la ESA está planeando un telescopio espacial ARIEL dedicado a exoplanetas que observará 1.000 de ellos. “El análisis de estos datos mantendrá ocupados a los científicos durante mucho tiempo”.

Según Matcheva, los campos del estudio de exoplanetas y la astrobiología son increíblemente fascinantes por el gran potencial que entrañan. Actualmente, este campo se ocupa en gran medida de limitar la habitabilidad buscando específicamente Biofirmas: evidencia de vida y procesos orgánicos.

Con volúmenes masivos de datos espectroscópicos de alta resolución, se profundiza la necesidad de técnicas avanzadas de aprendizaje automático (Imagen ilustrativa Infobae)

busca lo desconocido

Usando como modelo la Tierra, el único planeta donde se sabe que existe vida, el biofirmas Los más buscados incluyen gas nitrógeno (N2), gas oxígeno (O), dióxido de carbono (CO2), metano (CH4), amoníaco. (NH3) y agua (H2O).

Este es el enfoque fácil, en el que los científicos buscan vida que se ajuste a los estándares de la Tierra. Esto no es un accidente ni un enfoque perezoso. Es simplemente porque es extremadamente difícil buscar señales de vida con las que no estamos familiarizados. Pero esto también presenta una oportunidad para contemplar las posibilidades y ampliar el alcance de lo que sabemos.

“¿Sabemos qué buscar? -se preguntó Matcheva-. ¿Sabemos dónde? ¿Lo reconoceríamos si lo viéramos? “La comunidad científica de exoplanetas siempre trabaja con estas preguntas en mente”.

Para su estudio, Matcheva y sus colegas investigaron Cómo se podría entrenar el aprendizaje automático para buscar anomalías en los espectros del tráfico.. Esto se refiere a las curvas de luz obtenidas al observar estrellas distantes en busca de caídas periódicas de luminosidad, lo que podría indicar la presencia de un planeta que pasa frente a la estrella en relación con el observador. Esto se conoce como espectroscopia de tránsito (o método de tránsito), que sigue siendo el método más eficaz y ampliamente utilizado para detectar exoplanetas. Además de la detección, este método permite a los astrónomos observar ocasionalmente la luz que atraviesa su atmósfera.

Desde la primera detección confirmada de un exoplaneta en 1992, los descubrimientos han crecido exponencialmente, con más de 5.496 exoplanetas confirmados hasta la fecha (NASA, CSA, ESA)

Cuando se miden con un espectrómetro, estas observaciones revelarán datos sobre la composición química, que podrían incluir firmas biológicas reveladoras. En los próximos años, la combinación de telescopios de próxima generación y el aprendizaje automático permitirá a los astrónomos determinar con mayor precisión la habitabilidad potencial de los exoplanetas. “Creemos que los métodos de aprendizaje automático en astrofísica pueden cambiar las reglas del juego en la forma en que procesamos los datos en términos de velocidad, volumen y metodología”, continuó Matcheva. Y lo vemos en todos los campos de la ciencia”.

Para sus propósitos, ella y su equipo utilizaron dos métodos populares de aprendizaje automático para la detección de anomalías: factor de valores atípicos locales (LOF) y máquina de vectores de soporte de una clase (OCSVM) para analizar una gran base de datos pública de espectros sintéticos.

Esta base de datos fue desarrollada por el equipo científico ARIEL de la ESA en anticipación de la misión (cuya lanzamiento está previsto para 2029) y contiene más de 100.000 firmas espectrales de exoplanetas generadas por computadora. El equipo también utilizó curvas de características operativas del receptor (ROC) para cuantificar y comparar el rendimiento de las dos técnicas de ML. El proceso y los resultados, como relató Matcheva, fueron fascinantes: Los espectros se calculan con modelos actuales, asumiendo que la atmósfera de cada planeta es una mezcla de cinco gases diferentes en distintas proporciones.

“A modo de experimento, tratamos a uno de los absorbentes (por ejemplo, H2O) como un absorbente misterioso. Entrenamos el algoritmo con un subconjunto de datos que tienen deficiencia de H2O y probamos si marcará correctamente los planetas con agua como anómalos. Repetimos el experimento para cuatro de los gases. Usamos tanto LOF como OCSVM. Ambos métodos hicieron un excelente trabajo al encontrar planetas anómalos cuando no hay ruido o hay muy poco ruido (~10 ppm), incluso para cantidades muy pequeñas del gas misterioso. Como era de esperar, el modelo ML comienza a cometer errores cuando el nivel de ruido aumenta demasiado”, señaló.

La combinación de telescopios avanzados y aprendizaje automático está destinada a redefinir el análisis y caracterización de exoplanetas en los próximos años (Imagen ilustrativa Infobae)

Aunque la búsqueda de biofirmas no era el objetivo principal de este artículo, “es un resultado muy interesante y estamos muy entusiasmados con el potencial del método”, afirmó Matcheva. Buscar señales de vida en el universo se parece más a buscar una aguja en un pajar que a fumar evidencia. En realidad, es aún más difícil porque no sabemos cómo es la aguja. Los novedosos métodos de detección están diseñados exactamente: eventos raros que no sabemos cómo se ven, huelen o suenan”.

Como se señaló anteriormente, la búsqueda de vida extraterrestre se puede resumir como la búsqueda de vida tal como la conocemos. Pero es muy raro o muy exótico, lo que significa que puede surgir de todo tipo de sustancias químicas y condiciones. Por eso tiene sentido lanzar una red más amplia. “La comunidad de astrobiología ha estado trabajando en una definición de vida durante mucho tiempo”, continuó la científica, “pero no tenemos idea de cómo son realmente los extraterrestres y cómo interactuarían con su entorno”, dijo.

Y concluyó: “Estamos sesgados por nuestra experiencia humana y las estrategias actuales. Debemos buscar vida en la zona habitable, que por definición es amigable con los humanos (o la vida terrestre). Entonces, ¿cómo buscas algo cuando no sabes cómo se ve? Ahí es donde entran en juego las técnicas de aprendizaje automático para la detección de novedades: pueden señalar puntos de datos que son inconsistentes con los datos de entrenamiento, es decir, que no concuerdan con los modelos teóricos actuales. De hecho, en ese sentido, nuestro método es buscar vida como no la conocemos.”. En el trabajo también participaron físicos y expertos en aprendizaje automático, entre los que, además de Matcheva, estaban Roy T. Forestano, Konstantin T. Matchev y Eyup B. Unlu.

Temas relacionados

Inteligencia artificialExoplanetasAstronomíaVida extraterrestre

Categories: Últimas Noticias
Source: pagasa.edu.vn