Los algoritmos de inteligencia artificial (IA) entrenados en observaciones astronómicas reales ahora superan a los astrónomos en la selección de cantidades masivas de datos para encontrar nuevas estrellas en explosión, identificar nuevos tipos de galaxias y detectar fusiones de estrellas masivas, acelerando la tasa de nuevos descubrimientos en las más antiguas del mundo. Ciencias.

Pero la IA, también llamada aprendizaje automático, puede revelar algo más profundo, según descubrieron los astrónomos de la Universidad de California, Berkeley:conexiones insospechadas ocultas en las matemáticas complejas que surgen de la relatividad general, en particular, cómo se aplica esa teoría para encontrar nuevos planetas alrededor de otras estrellas.

En un artículo que aparece esta semana en la revista Nature Astronomy , los investigadores describen cómo se desarrolló un algoritmo de inteligencia artificial para detectar exoplanetas más rápidamente cuando dichos sistemas planetarios pasan frente a una estrella de fondo y la iluminan brevemente, un proceso llamado microlente gravitacional, que reveló que las teorías de décadas de antigüedad que ahora se usan para explicar estas observaciones son lamentablemente incompleto.

En 1936, el mismo Albert Einstein usó su nueva teoría de la relatividad general para mostrar cómo la luz de una estrella distante puede ser desviada por la gravedad de una estrella en primer plano, no solo iluminándola vista desde la Tierra, sino dividiéndola a menudo en varios puntos de luz o distorsionándola en un anillo, ahora llamado anillo de Einstein. Esto es similar a la forma en que una lupa puede enfocar e intensificar la luz del sol.

Pero cuando el objeto de primer plano es una estrella con un planeta, el brillo con el tiempo, la curva de luz, es más complicado. Además, a menudo hay múltiples órbitas planetarias que pueden explicar igualmente bien una curva de luz dada, las llamadas degeneraciones. Ahí es donde los humanos simplificaron las matemáticas y se perdieron el panorama general.

Sin embargo, el algoritmo de IA apuntó a una forma matemática de unificar los dos tipos principales de degeneración al interpretar lo que detectan los telescopios durante la microlente, lo que demuestra que las dos "teorías" son realmente casos especiales de una teoría más amplia que los investigadores admiten que probablemente aún esté incompleta. .

"Un algoritmo de inferencia de aprendizaje automático que desarrollamos previamente nos llevó a descubrir algo nuevo y fundamental sobre las ecuaciones que gobiernan el efecto relativista general de la flexión de la luz por parte de dos cuerpos masivos", escribió Joshua Bloom en una publicación de blog el año pasado cuando subió el artículo. a un servidor de preimpresión, arXiv. Bloom es profesor de astronomía de UC Berkeley y presidente del departamento.

Comparó el descubrimiento del estudiante graduado de UC Berkeley, Keming Zhang, con las conexiones que el equipo de inteligencia artificial de Google, DeepMind, hizo recientemente entre dos áreas diferentes de las matemáticas. En conjunto, estos ejemplos muestran que los sistemas de IA pueden revelar asociaciones fundamentales que los humanos pasan por alto.

"Sostengo que constituyen una de las primeras, si no la primera, vez que la IA se ha utilizado para producir directamente nuevos conocimientos teóricos en matemáticas y astronomía", dijo Bloom. "Así como Steve Jobs sugirió que las computadoras podrían ser las bicicletas de la mente, hemos estado buscando un marco de IA que sirva como un cohete intelectual para los científicos".

"Este es un hito en la IA y el aprendizaje automático", enfatizó el coautor Scott Gaudi, profesor de astronomía en la Universidad Estatal de Ohio y uno de los pioneros en el uso de microlentes gravitacionales para descubrir exoplanetas. "El algoritmo de aprendizaje automático de Keming descubrió esta degeneración que los expertos en el campo que trabajaron con datos durante décadas habían pasado por alto. Esto sugiere cómo será la investigación en el futuro cuando sea asistida por el aprendizaje automático, lo cual es realmente emocionante".

Descubriendo exoplanetas con microlente

Se han descubierto más de 5000 exoplanetas, o planetas extrasolares, alrededor de las estrellas de la Vía Láctea, aunque pocos se han visto a través de un telescopio:son demasiado débiles. La mayoría se han detectado porque crean un bamboleo Doppler en los movimientos de sus estrellas anfitrionas o porque atenúan ligeramente la luz de la estrella anfitriona cuando cruzan frente a ella, tránsitos que fueron el foco de la misión Kepler de la NASA. Solo unos pocos más de 100 han sido descubiertos por una tercera técnica, microlente.

Uno de los principales objetivos del telescopio espacial romano Nancy Grace de la NASA, cuyo lanzamiento está programado para 2027, es descubrir miles de exoplanetas más a través de microlentes. La técnica tiene una ventaja sobre las técnicas de tránsito y Doppler en que puede detectar planetas de menor masa, incluidos aquellos del tamaño de la Tierra, que están lejos de sus estrellas, a una distancia equivalente a la de Júpiter o Saturno en nuestro sistema solar.

Bloom, Zhang y sus colegas se propusieron hace dos años desarrollar un algoritmo de IA para analizar datos de microlentes más rápido para determinar las masas estelares y planetarias de estos sistemas planetarios y las distancias que los planetas están orbitando desde sus estrellas. Dicho algoritmo aceleraría el análisis de los probables cientos de miles de eventos que detectará el telescopio romano para encontrar el 1% o menos que son causados ​​por sistemas exoplanetarios.

Sin embargo, un problema que encuentran los astrónomos es que la señal observada puede ser ambigua. Cuando una estrella solitaria en primer plano pasa frente a una estrella de fondo, el brillo de las estrellas de fondo aumenta suavemente hasta un pico y luego cae simétricamente a su brillo original. Es fácil de entender matemáticamente y por observación.

Pero si la estrella en primer plano tiene un planeta, el planeta crea un pico de brillo separado dentro del pico causado por la estrella. Al tratar de reconstruir la configuración orbital del exoplaneta que produjo la señal, la relatividad general a menudo permite dos o más de las llamadas soluciones degeneradas, todas las cuales pueden explicar las observaciones.

Hasta la fecha, los astrónomos generalmente se han ocupado de estas degeneraciones de manera simplista y artificialmente distinta, dijo Gaudí. Si la luz estelar distante pasa cerca de la estrella, las observaciones podrían interpretarse como una órbita amplia o cercana para el planeta, una ambigüedad que los astrónomos a menudo pueden resolver con otros datos. Un segundo tipo de degeneración ocurre cuando la luz estelar de fondo pasa cerca del planeta. En este caso, sin embargo, las dos soluciones diferentes para la órbita planetaria generalmente son solo ligeramente diferentes.

Según Gaudí, estas dos simplificaciones de microlentes gravitacionales de dos cuerpos suelen ser suficientes para determinar las masas reales y las distancias orbitales. De hecho, en un artículo publicado el año pasado, Zhang, Bloom, Gaudi y otros dos coautores de UC Berkeley, la profesora de astronomía Jessica Lu y el estudiante graduado Casey Lam, describieron un nuevo algoritmo de IA que no se basa en absoluto en el conocimiento de estas interpretaciones. . El algoritmo acelera en gran medida el análisis de las observaciones de microlente, brinda resultados en milisegundos, en lugar de días, y reduce drásticamente el procesamiento de la computadora.

Luego, Zhang probó el nuevo algoritmo de IA en curvas de luz de microlente de cientos de posibles configuraciones orbitales de estrellas y exoplanetas y notó algo inusual:había otras ambigüedades que las dos interpretaciones no tenían en cuenta. Llegó a la conclusión de que las interpretaciones comúnmente utilizadas de microlente eran, de hecho, solo casos especiales de una teoría más amplia que explica la variedad completa de ambigüedades en los eventos de microlente.

"Las dos teorías anteriores de la degeneración se ocupan de casos en los que la estrella de fondo parece pasar cerca de la estrella de primer plano o del planeta de primer plano", dijo Zhang. "El algoritmo de IA nos mostró cientos de ejemplos no solo de estos dos casos, sino también de situaciones en las que la estrella no pasa cerca ni de la estrella ni del planeta y no puede explicarse con ninguna de las teorías anteriores. Eso fue clave para que propusiéramos el nuevo teoría unificadora".

Gaudí se mostró escéptico, al principio, pero cambió después de que Zhang produjera muchos ejemplos en los que las dos teorías anteriores no encajaban en las observaciones y la nueva teoría sí. De hecho, Zhang analizó los datos de dos docenas de artículos anteriores que informaron sobre el descubrimiento de exoplanetas a través de microlentes y descubrió que, en todos los casos, la nueva teoría se ajustaba mejor a los datos que las teorías anteriores.

"La gente estaba viendo estos eventos de microlentes, que en realidad exhibían esta nueva degeneración, pero simplemente no se daban cuenta", dijo Gaudí. "Realmente fue solo el aprendizaje automático que analizó miles de eventos en los que era imposible perderse".

Zhang y Gaudi han presentado un nuevo artículo que describe rigurosamente las nuevas matemáticas basadas en la relatividad general y explora la teoría en situaciones de microlente donde más de un exoplaneta orbita alrededor de una estrella.

Técnicamente, la nueva teoría hace que la interpretación de las observaciones de microlente sea más ambigua, ya que existen soluciones más degeneradas para describir las observaciones. Pero la teoría también demuestra claramente que observar el mismo evento de microlente desde dos perspectivas, desde la Tierra y desde la órbita del Telescopio Espacial Romano, por ejemplo, hará que sea más fácil establecer las órbitas y masas correctas. Eso es lo que los astrónomos planean hacer actualmente, dijo Gaudí.

"La IA sugirió una forma de ver la ecuación de la lente bajo una nueva luz y descubrir algo realmente profundo sobre las matemáticas", dijo Bloom. "La IA está emergiendo no solo como este tipo de herramienta contundente que está en nuestra caja de herramientas, sino como algo que en realidad es bastante inteligente. Junto a un experto como Keming, los dos pudieron hacer algo bastante fundamental". + Explora más

Nuevo exoplaneta con masa inferior a la de Júpiter detectado por astrónomos