Inteligencia Artificial ayuda a dar con estrellas que devoran planetas

Mediante aprendizaje múltiple, una nueva forma de inteligencia artificial, astrónomos han alcanzado un éxito del 99 por ciento en la identificación de estrellas 'esquivas' que devoran planetas. Recientemente se han descubierto cientos de estrellas enanas blancas "contaminadas" en nuestra galaxia, la Vía Láctea. Se trata de enanas blancas que se encuentran consumiendo activamente planetas en su órbita. Son un recurso valioso para estudiar el interior de estos planetas distantes y demolidos. También son difíciles de encontrar. Históricamente, los astrónomos han tenido que revisar manualmente montañas de datos de sondeos en busca de señales de estas estrellas. Las observaciones de seguimiento probarían o refutarían sus sospechas. La nueva técnica, aplicada por un equipo dirigido por la estudiante de posgrado de la Universidad de Texas (UT) en Austin, Malia Kao, ha acelerado drásticamente el proceso. Los hallazgos se publicn en The Astrophysical Journal. Las enanas blancas son estrellas en su etapa final de vida. Han agotado su combustible, han liberado sus capas externas al espacio y se están enfriando lentamente. Un día, nuestro sol se convertirá en una enana blanca, pero eso no será hasta dentro de otros 6.000 millones de años. En ocasiones, los planetas que orbitan alrededor de una enana blanca son atraídos por la gravedad de su estrella, destrozados y consumidos. Cuando esto sucede, la estrella se "contamina" con metales pesados del interior del planeta. Como las atmósferas de las enanas blancas están compuestas casi en su totalidad de hidrógeno y helio, la presencia de otros elementos se puede atribuir de forma fiable a fuentes externas. "En el caso de las enanas blancas contaminadas, el interior del planeta está literalmente siendo quemado sobre la superficie de la estrella para que podamos observarlo", dijo Kao en un comunicado. "Las enanas blancas contaminadas son, en este momento, la mejor forma de caracterizar los interiores planetarios". "Dicho de otro modo", añadió Keith Hawkins, astrónomo de la UT y coautor del artículo, "es la única forma auténtica de averiguar de qué están hechos los planetas fuera del sistema solar, lo que significa que encontrar estas enanas blancas contaminadas es fundamental". Desafortunadamente, la evidencia de estas estrellas, que se identifican por los metales contaminantes en sus atmósferas, puede ser sutil y difícil de detectar. Además, los astrónomos deben encontrarlas en un lapso de tiempo relativamente breve. Aunque los astrónomos pueden identificar estas estrellas revisando manualmente los datos de los estudios astronómicos, esto puede requerir mucho tiempo. Para probar un proceso más rápido, el equipo aplicó IA a los datos disponibles del telescopio espacial Gaia. "Gaia proporciona uno de los estudios espectroscópicos más grandes de enanas blancas hasta la fecha, pero los datos tienen una resolución tan baja que pensamos que no sería posible encontrar enanas blancas contaminadas con él", dijo Hawkins. "Este trabajo demuestra que se puede". Para encontrar estas esquivas estrellas, el equipo utilizó la técnica de IA llamada aprendizaje de variedades. Con ella, un algoritmo busca características similares en un conjunto de datos y agrupa elementos similares en un gráfico visual simplificado. Luego, los investigadores pueden revisar el gráfico y decidir qué grupos justifican una investigación más a fondo. UN ALGORITMO CLASIFICÓ MÁS DE 100.000 POSIBLES ENANAS BLANCAS Los astrónomos crearon un algoritmo para clasificar más de 100.000 posibles enanas blancas. De ellas, un grupo de 375 estrellas parecía prometedor: mostraban la característica clave de tener metales pesados en sus atmósferas. Las observaciones de seguimiento con el telescopio Hobby-Eberly en el Observatorio McDonald de la UT confirmaron las sospechas de los astrónomos. "Nuestro método puede multiplicar por diez el número de enanas blancas contaminadas conocidas, lo que nos permitirá estudiar mejor la diversidad y la geología de los planetas fuera de nuestro sistema solar", dijo Kao. "En última instancia, queremos determinar si puede existir vida fuera de nuestro sistema solar. Si el nuestro es único entre los sistemas planetarios, también podría ser único en su capacidad para sustentar la vida". Esta investigación utilizó datos de la misión Gaia de la Agencia Espacial Europea (ESA). Los datos fueron procesados por el Consorcio de Procesamiento y Análisis de Datos de Gaia. Las observaciones de seguimiento se obtuvieron con el Telescopio Hobby-Eberly (HET), que es un proyecto conjunto de la Universidad de Texas en Austin, la Universidad Estatal de Pensilvania, la Universidad Ludwig Maximilians-Universitaet Muenchen y la Universidad Georg-August de Goettingen, y con el Very Large Telescope (VLT) del Observatorio Europeo Austral (ESO). El Centro de Computación Avanzada de Texas en UT Austin proporcionó recursos de computación, visualización y almacenamiento de alto rendimiento para esta investigación.