Per decenni, la ricerca di pianeti al di fuori del nostro sistema solare — gli esopianeti — ha rappresentato uno dei settori più intriganti e complessi dell’astronomia contemporanea.
Il più recente traguardo in questo campo segna un importante progresso per la comunità scientifica: un team di astrofisici dell’Università di Warwick (Regno Unito) ha impiegato strumenti di intelligenza artificiale per esaminare i dati raccolti dalla missione spaziale statunitense Transiting Exoplanet Survey Satellite (TESS) della NASA e ha confermato oltre 100 nuovi mondi nascosti, molti dei quali erano completamente trascurati dalle tecniche tradizionali di analisi. Oggi, grazie ai progressi nelle tecnologie di intelligenza artificiale, gli scienziati non solo stanno accelerando questa ricerca cosmica, ma stanno anche valorizzando enormi archivi di dati che fino a poco tempo fa apparivano impenetrabili.
Una mole di dati difficile da gestire
Il telescopio spaziale TESS, lanciato dalla NASA per monitorare milioni di stelle nella nostra galassia, utilizza un principio semplice ma estremamente delicato: registra variazioni minime nella luminosità delle stelle osservate per scoprire i cosiddetti transiti planetari. Quando un pianeta passa davanti alla sua stella, anche se distante, provoca una leggera diminuzione di luce che è osservabile nelle curve fotometriche.
Tuttavia, non tutti i segnali rilevati da TESS sono chiari o inequivocabili. Disturbi strumentali, variazioni intrinseche delle stelle, fenomeni naturali come le macchie stellari e altri segnali indesiderati introducono un notevole “rumore di fondo” che spesso confonde i metodi standard di identificazione. Di conseguenza, milioni di osservazioni raccolte dal telescopio vengono scartate o considerate “false positive”, rallentando il riconoscimento di segnali realmente planetari.
L’intelligenza artificiale cambia le regole del gioco
Per affrontare questa sfida, il gruppo di ricerca guidato dagli studiosi di Warwick ha creato un sofisticato algoritmo di intelligenza artificiale chiamato RAVEN, progettato specificamente per analizzare grandi volumi di dati TESS con un livello di precisione e sensibilità impossibile da raggiungere tramite analisi manuali o tecniche classiche.
RAVEN non si limita a “osservare” i dati come un essere umano: apprende schemi molto sottili nei segnali, distinguendo tra segnali autentici causati da pianeti e quelli generati da fenomeni non planetari. Questo significa che può identificare transiti così deboli da essere completamente sommersi nel rumore di fondo, innalzando la soglia di scoperta rispetto alle tecniche precedenti.
Il risultato? Un dataset di oltre 2.000 candidati di alta qualità, di cui circa 1.000 non erano mai stati identificati prima, e 118 pianeti confermati, tra cui almeno 31 del tutto nuovi, che arricchiscono la nostra comprensione dei sistemi planetari della galassia.
Un salto quantitativo e qualitativo, oltre 100 nuovi mondi nascosti
Questa scoperta non implica semplicemente l’aggiunta di alcuni pianeti alle liste esistenti: modifica radicalmente la nostra percezione della quantità e della diversità dei pianeti nella Via Lattea. I nuovi mondi identificati da RAVEN orbitano attorno a stelle di varia natura e presentano caratteristiche molto diverse, contribuendo a completare un mosaico che fino a poco tempo fa sembrava incompleto e frammentario.
In particolare, l’analisi si è concentrata su pianeti con periodi orbitali molto brevi — in alcuni casi meno di 16 giorni terrestri — che risultano difficili da identificare con metodi tradizionali. La conferma di questi mondi ravvicinati fornisce nuovi elementi per comprendere come si formino e si sviluppino i sistemi planetari, specialmente nelle regioni più prossime alle loro stelle madri.
Dal rumore alla scoperta
Un aspetto fondamentale del lavoro è proprio la capacità dell’intelligenza artificiale di separare «segnali reali» da un oceano di dati apparentemente inutili. I ricercatori confrontano costantemente le uscite di RAVEN con modelli teorici e simulazioni per garantire che i candidati identificati siano effettivamente coerenti con un transito planetario, minimizzando il rischio di falsi positivi.
Questa abilità di elaborare grandi dataset in modo rapido, efficiente e replicabile è una delle motivazioni principali per cui la comunità scientifica considera la combinazione di telescopi spaziali e intelligenza artificiale come una delle strade più promettenti per il futuro dell’astronomia. Non si tratta più solo di raccogliere dati, ma di estrarre conoscenza.
La ricerca di “Terre 2.0”
Uno degli aspetti più affascinanti di questa nuova ondata di esopianeti è la possibilità di avvicinarsi sempre di più alla scoperta di mondi potenzialmente abitabili. Anche se la maggior parte dei pianeti rilevati con questa tecnica orbita molto vicina alle proprie stelle, rendendo improbabili condizioni di vita simili a quelle terrestri, la metodologia stessa apre la strada alla potenziale identificazione di pianeti di dimensioni simili alla Terra in zone più temperate in futuro.
Inoltre, lo studio delle popolazioni di pianeti ravvicinati e delle loro caratteristiche consente agli scienziati di definire con maggiore precisione quante stelle simili al Sole possano realmente ospitare pianeti, contribuendo a delineare un profilo statistico della distribuzione dei mondi nella nostra galassia.
I risultati del progetto sono stati sottoposti a revisione e pubblicati sulla prestigiosa rivista scientifica Monthly Notices of the Royal Astronomical Society, confermando l’importanza e la robustezza delle scoperte.
L’impiego di strumenti come RAVEN per analizzare i dati di missioni come TESS non solo aumenta il numero di esopianeti scoperti, ma trasforma radicalmente il modo in cui gli scienziati possono esplorare l’universo.