👉 Seguici anche sul nostro canale WhatsApp! 🚀
La ricerca di pianeti al di fuori del Sistema Solare non è più un’attività che riguarda soltanto i telescopi. Oggi una parte significativa della scoperta avviene analizzando gli archivi digitali, dove milioni di segnali, registrati e catalogati nei decenni di attività osservativa e di ricerca, attendono di essere interpretati. Trattandosi di una vasta mole d’informazioni grezze, che richiederebbe vari decenni e decine di scienziati per essere studiata in profondità, la Nasa ha sviluppato un sistema automatizzato chiamato ExoMiner++, un algoritmo d’intelligenza artificiale progettato per setacciare enormi volumi di dati e individuare nuovi candidati esopianeti.
Con l’aumento esponenziale del numero di segnali raccolti, i metodi di analisi tradizionali, basati su controlli manuali e su pipeline semi-automatiche, hanno iniziato a mostrare i propri limiti. La valutazione di centinaia di migliaia di curve di luce richiede tempi lunghi e un impegno umano difficilmente sostenibile su larga scala. È in questo scenario che l’intelligenza artificiale si è imposta come uno strumento sempre più indispensabile.
I modelli di deep learning, opportunamente addestrati, sono in grado di riconoscere schemi ricorrenti nei dati e di separare rapidamente i segnali plausibilmente planetari da quelli di altra natura, riducendo drasticamente il numero di casi da sottoporre ad analisi dettagliate da parte degli astronomi.
I telescopi basano la ricerca sul metodo dei transiti, che consiste nell’osservare il leggero e periodico calo di luminosità di una stella quando un pianeta le passa davanti lungo la linea di vista (vedi animazione sotto). È una tecnica particolarmente efficace perché consente non solo di individuare nuovi corpi, ma anche di stimarne alcune proprietà fondamentali, come il raggio orbitale e le dimensioni relative. Proprio per questa sua affidabilità, questo metodo è oggi alla base della maggior parte delle scoperte di esopianeti. Tuttavia, la stessa sensibilità che lo rende così potente genera anche una grande quantità di falsi positivi. Sistemi stellari binari, macchie stellari o rumore strumentale possono produrre segnali simili a quelli di un transito planetario, rendendo necessaria una fase di selezione e validazione particolarmente complessa.
A trent’anni dalla scoperta di 51 Pegasi b, il primo pianeta extrasolare accertato, gli astronomi finora hanno confermato l’esistenza di oltre 6.000 esopianeti, molti dei quali individuati grazie alle missioni spaziali Kepler e Tess. Kepler ha concluso l’attività il 30 ottobre 2018, Tess invece continua a osservare il cielo. Entrambi hanno accumulato e lasciato in eredità una quantità di dati tale da superare le capacità di analisi tradizionali. Di conseguenza, una parte significativa di questi segnali non è ancora stata studiata in modo approfondito, non sappiamo ancora cosa potrebbe nascondersi in quei dati.
ExoMiner++ nasce proprio per affrontare questo problema. Evoluzione di un software già utilizzato con successo nel 2021, il nuovo modello è stato addestrato sia sui dati di Kepler sia su quelli di Tess, nonostante le profonde differenze tra le due missioni. Kepler infatti si concentrava su una piccola regione di cielo, che ha osservato in grande dettaglio; Tess, invece, sta scandagliando quasi l’intera volta celeste, privilegiando le stelle relativamente vicine. La compatibilità dei dataset ha permesso all’algoritmo di apprendere da entrambe le strategie osservative.
Durante una prima analisi dei dati di Tess, ExoMiner++ ha identificato circa 7.000 segnali compatibili con la presenza di esopianeti. Si tratta di candidati, non di scoperte definitive: per avere la conferma sono necessarie osservazioni aggiuntive, da effettuare con altri strumenti. Il valore del modello però è già in grado di operare una significativa scrematura, avendo la capacità di distinguere rapidamente i transiti planetari reali da fenomeni simili, come le eclissi in sistemi stellari binari, riducendo di molto il carico di lavoro umano.
Il calo ciclico della luminosità di una stella è un forte indizio della presenza di un esopianeta: questo è il principio su cui si basa il ‘metodo dei transiti’, oggi il più utilizzato per individuare sistemi planetari. (crediti: Nasa Goddard Space Center)
Un elemento centrale del progetto è l’adozione di una filosofia open source. ExoMiner++ è liberamente disponibile su GitHub e può essere utilizzato da ricercatori di tutto il mondo. Secondo la Nasa, la condivisione di software e dati con chiunque possa fornire un supporto, è uno dei fattori che più accelerano il progresso scientifico, permettendo la riproducibilità dei risultati e lo sviluppo di nuove applicazioni a partire dagli stessi strumenti.
Lo sviluppo non si ferma qui. Sono già in programma una serie di migliorie e l’aggiunta di nuove funzionalità. Le versioni future di ExoMiner++ dovrebbero essere in grado di individuare autonomamente i segnali di transito direttamente dai dati grezzi, senza partire da liste di eventi già selezionati. Inoltre, l’algoritmo potrà essere applicato anche alle osservazioni del Nancy Grace Roman Space Telescope, la prossima missione Nasa che prevede la ricerca e lo studio degli esopianeti e che sicuramente produrrà decine di migliaia di nuovi transiti osservabili.
In un panorama scientifico molto promettente, in cui la quantità di dati cresce più velocemente della capacità di analizzarli, ExoMiner++ rappresenta un esempio concreto di come intelligenza artificiale e l’open science stiano cambiando il modo di esplorare l’Universo, trasformando archivi pubblici in nuove opportunità di scoperta.
Guarda anche un video che ripercorre la storia degli esopianeti scoperti finora: 👉
