Cuando MIT lanzó el MIT Stephen A. Schwarzman College of Computing este otoño, uno de los objetivos era impulsar una mayor innovación en informática en todas las escuelas del MIT. Los investigadores ya se están expandiendo más allá de las aplicaciones tradicionales de la informática y utilizan estas técnicas para avanzar en una variedad de campos científicos. desde la medicina del cáncer hasta la antropología, el diseño y el descubrimiento de nuevos planetas.

La computación ya ha demostrado ser útil para el satélite de estudio de exoplanetas en tránsito (TESS), una misión financiada por la NASA dirigida por el MIT. Lanzado desde Cabo Cañaveral en abril de 2018, TESS es un satélite que toma imágenes del cielo mientras orbita la Tierra. Estas imágenes pueden ayudar a los investigadores a encontrar planetas orbitando estrellas más allá de nuestro sol. llamados exoplanetas. Este trabajo, que ahora está a medio camino, revelará más sobre los otros planetas dentro de lo que la NASA llama nuestro "vecindario solar".

"TESS acaba de completar la primera de su misión principal de dos años, inspeccionando el cielo nocturno del sur, "dice Sara Seager, astrofísico y científico planetario del MIT y subdirector de ciencia de TESS. "TESS encontró más de 1, 000 planetas candidatos y unos 20 planetas confirmados, algunos en sistemas de planetas múltiples ".

Si bien TESS ha permitido algunos descubrimientos impresionantes hasta ahora, encontrar estos exoplanetas no es una tarea sencilla. TESS está recopilando imágenes de más de 200, 000 estrellas distantes, guardar una imagen de estos planetas cada dos minutos, además de guardar una imagen de una gran franja de cielo cada 30 minutos. Seager dice cada dos semanas, que es el tiempo que tarda el satélite en orbitar la Tierra, TESS envía alrededor de 350 gigabytes de datos (una vez descomprimidos) a la Tierra. Si bien Seager dice que no se trata de tantos datos como la gente podría esperar (una Macbook Pro 2019 tiene hasta 512 gigabytes de almacenamiento), analizar los datos implica tener en cuenta muchos factores complejos.

Seager, quien dice que ha estado interesada durante mucho tiempo en cómo se puede utilizar la computación como herramienta para la ciencia, comenzó a discutir el proyecto con Victor Pankratius, ex científico investigador principal del Instituto Kavli de Astrofísica e Investigación Espacial del MIT, quien ahora es el director y jefe de ingeniería de software global en Bosch Sensortec. Un informático capacitado, Pankratius dice que después de llegar al MIT en 2013, empezó a pensar en campos científicos que producen macrodatos, pero que todavía no se han beneficiado plenamente de las técnicas informáticas. Después de hablar con astrónomos como Seager, aprendió más sobre los datos que recopilan sus instrumentos y se interesó en aplicar técnicas de descubrimiento asistido por computadora a la búsqueda de exoplanetas.

"El universo es un lugar grande, ", Dice Pankratius." Así que creo que aprovechar lo que tenemos en el lado de la informática es una gran cosa ".

La idea básica que subyace a la misión de TESS es que, al igual que nuestro propio sistema solar, en el que la Tierra y otros planetas giran alrededor de una estrella central (el sol), hay otros planetas más allá de nuestro sistema solar que giran alrededor de diferentes estrellas. Las imágenes que recopila TESS producen curvas de luz, datos que muestran cómo cambia el brillo de la estrella con el tiempo. Los investigadores están analizando estas curvas de luz para encontrar caídas en el brillo, lo que podría indicar que un planeta pasa frente a la estrella y bloquea temporalmente parte de su luz.

"Cada vez que un planeta orbita, verías este brillo bajar, ", Dice Pankratius." Es casi como un latido ".

El problema es que no todas las pérdidas de brillo son causadas necesariamente por un planeta que pasa. Seager dice que el aprendizaje automático actualmente entra en juego durante la fase de "triaje" de su análisis de datos TESS, ayudándoles a distinguir entre planetas potenciales y otras cosas que podrían causar caídas en el brillo, como estrellas variables, que naturalmente varían en su brillo, o ruido de instrumentos.

Los científicos que han aprendido a "leer" las curvas de luz aún realizan análisis de los planetas que pasan por la clasificación. Pero el equipo ahora está utilizando miles de curvas de luz que se han clasificado visualmente para enseñar a las redes neuronales cómo identificar los tránsitos de exoplanetas. La computación les está ayudando a delimitar qué curvas de luz deberían examinar con más detalle. Liang Yu Ph.D. '19, un recién graduado en física, construido sobre un código existente para escribir la herramienta de aprendizaje automático que el equipo está usando ahora.

Si bien es útil para localizar los datos más relevantes, Seager dice que el aprendizaje automático aún no se puede utilizar para simplemente encontrar exoplanetas. "Todavía tenemos mucho trabajo que hacer, " ella dice.

Pankratius está de acuerdo. "Lo que queremos hacer es básicamente crear sistemas de descubrimiento asistidos por computadora que hagan esto para todas [las estrellas] todo el tiempo, ", dice." Solo tienes que presionar un botón y decir:Muestrame todo. Pero en este momento todavía son personas con cierta automatización las que examinan todas estas curvas de luz ".

Seager y Pankratius también impartieron conjuntamente un curso que se centró en varios aspectos del desarrollo de la computación y la inteligencia artificial (IA) en la ciencia planetaria. Seager dice que la inspiración para el curso surgió del creciente interés de los estudiantes por aprender sobre la IA y sus aplicaciones para la ciencia de datos de vanguardia.

En 2018, El curso permitió a los estudiantes utilizar datos reales recopilados por TESS para explorar aplicaciones de aprendizaje automático para estos datos. Siguiendo el modelo de otro curso que impartieron Seager y Pankratius, los estudiantes del curso pudieron elegir un problema científico y aprender las habilidades de cálculo para resolver ese problema. En este caso, los estudiantes aprendieron sobre técnicas de IA y aplicaciones para TESS. Seager dice que los estudiantes tuvieron una gran respuesta a la clase única.

"Como estudiante, en realidad podrías hacer un descubrimiento, ", Dice Pankratius." Puedes crear un algoritmo de aprendizaje automático, ejecutarlo en estos datos, y quien sabe, tal vez encuentres algo nuevo ".

Gran parte de los datos que recopila TESS también están disponibles como parte de un proyecto de ciencia ciudadana más grande. Pankratius dice que cualquiera con las herramientas adecuadas podría comenzar a hacer sus propios descubrimientos. Gracias a la conectividad en la nube, esto incluso es posible en un teléfono celular.

"Si te aburres en tu viaje en autobús a casa, ¿por qué no buscar planetas? ”, dice.

Pankratius dice que este tipo de trabajo colaborativo permite a los expertos en cada dominio compartir sus conocimientos y aprender unos de otros. en lugar de que cada uno trate de quedar atrapado en el campo del otro.

"Tiempo extraordinario, la ciencia se ha vuelto más especializada, por lo que necesitamos formas de integrar mejor a los especialistas ", Dice Pankratius. La facultad de informática podría ayudar a forjar más colaboraciones de este tipo, él añade. Pankratius también dice que podría atraer a investigadores que trabajan en la intersección de estas disciplinas, quién puede salvar las lagunas de entendimiento entre los expertos.

Este tipo de trabajo que integra la informática ya es cada vez más común en los campos científicos, Seager notas. "El aprendizaje automático está 'de moda' en este momento, " ella dice.

Pankratius dice que eso se debe en parte a que hay más evidencia de que aprovechar las técnicas de la informática es una forma eficaz de abordar varios tipos de problemas y conjuntos de datos en aumento.

"Ahora tenemos demostraciones en diferentes áreas de que el enfoque de descubrimiento asistido por computadora no solo funciona, ", Dice Pankratius." De hecho, conduce a nuevos descubrimientos ".