Dan Tamayo es becario postdoctoral en el Centro de Ciencias Planetarias de la U of T Scarborough. Crédito:Ken Jones
El aprendizaje automático es una herramienta poderosa que se utiliza para una variedad de tareas en la vida moderna, desde la detección de fraudes y la clasificación de spam en Google, para hacer recomendaciones de películas en Netflix.
Ahora, un equipo de investigadores de la Universidad de Toronto Scarborough ha desarrollado un enfoque novedoso al usarlo para determinar si los sistemas planetarios son estables o no.
"El aprendizaje automático ofrece una forma eficaz de abordar un problema de astrofísica, y eso es predecir si los sistemas planetarios son estables, "dice Dan Tamayo, autor principal de la investigación y becario postdoctoral en el Centro de Ciencias Planetarias de la U of T Scarborough.
El aprendizaje automático es una forma de inteligencia artificial que brinda a las computadoras la capacidad de aprender sin tener que estar constantemente programadas para una tarea específica. El beneficio es que puede enseñar a las computadoras a aprender y cambiar cuando se exponen a nuevos datos, sin mencionar que también es muy eficiente.
El método desarrollado por Tamayo y su equipo es 1, 000 veces más rápido que los métodos tradicionales para predecir la estabilidad.
"En el pasado, hemos sido paralizados al tratar de averiguar si los sistemas planetarios son estables mediante métodos que no podían manejar la cantidad de datos que le estábamos lanzando". " él dice.
Es importante saber si los sistemas planetarios son estables o no porque puede decirnos mucho sobre cómo se formaron estos sistemas. También puede ofrecer nueva información valiosa sobre exoplanetas que no ofrecen los métodos de observación actuales.
Representación del artista de una colisión entre dos cuerpos planetarios. Crédito:NASA / JPL-Caltech
Existen varios métodos actuales para detectar exoplanetas que brindan información como el tamaño del planeta y su período orbital, pero pueden no proporcionar la masa del planeta o cuán elíptica es su órbita, que son todos factores que afectan la estabilidad, señala Tamayo.
El método desarrollado por Tamayo y su equipo es el resultado de una serie de talleres en U of T Scarborough que cubren cómo el aprendizaje automático podría ayudar a abordar problemas científicos específicos. La investigación se publica actualmente en línea en el Cartas de revistas astrofísicas .
"Lo que es alentador es que nuestros hallazgos nos dicen que vale la pena invertir semanas de computación para entrenar modelos de aprendizaje automático porque esta herramienta no solo es precisa, también funciona mucho más rápido, " él añade.
También puede ser útil al analizar datos del Satélite de reconocimiento de exoplanetas en tránsito (TESS) de la NASA que se lanzará el próximo año. La misión de dos años se centrará en descubrir nuevos exoplanetas centrándose en las estrellas más brillantes cerca de nuestro sistema solar.
"Podría ser una herramienta útil porque predecir la estabilidad nos permitiría aprender más sobre el sistema, desde los límites superiores de masa hasta las excentricidades de estos planetas, "dice Tamayo.
"Podría ser una herramienta muy útil para comprender mejor esos sistemas".
