Utilizan inteligencia artificial para encontrar estrellas esquivas que “devoran” planetas

Un equipo de investigadores de la Universidad de Texas ha desarrollado un nuevo caso de uso que se centra en descubrir la composición interna de los exoplanetas observando un tipo específico de estrella.

Ese tipo particular de estrella se conoce como enana blanca “contaminada”.

Las enanas blancas son la etapa final de las estrellas que son demasiado pequeñas para convertirse en supernovas.

Después de pasar por una fase de gigante roja, nuestro sol se convertirá en una en unos pocos miles de millones de años.

Por lo general, solo tienen hidrógeno y helio en su atmósfera superior, lo que las hace mundanas para los estándares de las estrellas, a menos que estén destrozando uno de sus planetas.

De vez en cuando, una enana blanca atrae a uno de los planetas de su sistema solar, destrozándolo en el proceso.

Los materiales del interior del planeta son absorbidos por la capa exterior de la estrella, lo que los “contamina” con los metales pesados ​​que normalmente componen el interior de un planeta.

Analizar esos metales pesados ​​en la atmósfera de una estrella permitiría a los astrónomos comprender la composición del exoplaneta.

Por ello, encontrar enanas blancas contaminadas para analizar ha sido un objetivo central de los cazadores de exoplanetas durante algún tiempo.

Sin embargo, decir que el proceso requiere mucho tiempo es quedarse corto. Los astrónomos tienen que verificar manualmente los estudios astronómicos para encontrar evidencia de metales pesados ​​en las atmósferas de las enanas blancas, y algunos de esos estudios, huelga decirlo, son grandes.

Sin embargo, buscar agujas en un pajar parece el caso de uso perfecto para la IA.

Así que los investigadores de la Universidad de Texas hicieron exactamente eso. Desarrollaron un algoritmo utilizando una técnica de IA llamada aprendizaje múltiple y lo pusieron a prueba con datos de Gaia, la misión de astrometría de la ESA.

Filtraron datos de alrededor de 100.000 enanas blancas, lo que dio como resultado 375 candidatos potencialmente contaminados.

Las observaciones de seguimiento de esos 375 candidatos realizadas por el telescopio Hobby-Eberly y el observatorio McDonald, ambos controlados al menos parcialmente por la UT, mostraron que el algoritmo tenía un 99% de aciertos en la detección de la existencia de metales pesados ​​en la atmósfera de una estrella, clasificándola así como “contaminada”.

Dado el gran volumen de enanas blancas en nuestra galaxia, es probable que se puedan encontrar decenas de miles de candidatos más si se permite que el algoritmo rastree otros datos recopilados sobre ellas.

Lo que eso significa para los astrónomos es la capacidad de comprender la composición interna de los exoplanetas a medida que su estrella anfitriona los destroza.

Comprender su composición interna permitiría a los astrónomos desarrollar modelos sobre sus posibilidades de albergar vida.

Por lo tanto, este artículo es un paso hacia el desarrollo de ese modelo astrobiológico y un excelente caso de uso para la IA en astronomía.

Resulta que está construido sobre las espaldas de planetas moribundos que podrían llevarse consigo su propia forma de biosferas nacientes.

Fuente: Universe Today