Ricercatori di Google e più università hanno scoperto due nuovi esopianeti (pianeti al di fuori del nostro sistema solare) utilizzando una rete neurale convoluzionale chiamata AstroNet K2. Altri 14 oggetti potrebbero essere identificati come esopianeti con ulteriori ricerche.
L’annuncio si basa su ricerche rilasciate lo scorso anno dall’astrofisico dell Harvard University Andrew Vanderburg e Chris Shallue di Google AI, che utilizza l’apprendimento automatico per analizzare i dati Kepler della NASA per trovare corpi celesti nello spazio. Google ha in seguito aperto il suo modello di ricerca di esplorazione dell’esopianeta addestrato con i dati di Kepler su GitHub.
La prima volta
“Il lavoro è significativo perché questa è la prima volta che una rete neurale è stata applicata con successo ai dati del K2″, ha dichiarato Anne Dattilo, assistente alla ricerca dell’Università del Texas al sito VentureBeat in un’intervista telefonica. “Diversi tipi di apprendimento automatico sono stati applicati a tutti i vari tipi di set di dati astronomici, come il suo predecessore era sui dati di Kepler, ma ci sono diverse sfide che vanno con i dati del K2 perché il telescopio era instabile.”
Per i primi quattro anni dopo il suo lancio nel 2009, il telescopio spaziale Kepler è stato utilizzato per studiare potenziali pianeti simili alla Terra che passavano davanti alle stelle. Il telescopio ha osservato più di 200.000 stelle, ma un malfunzionamento meccanico ha reso impossibile concentrarsi su una singola parte del cielo, con conseguente raccolta di dati molto più sporadica. La NASA ha ufficialmente ritirato Kepler l’anno scorso.
Per superare questa battuta d’arresto, sono state raccolte ed esaminate oltre 30.000 immagini con caratteristiche promettenti e oltre 22.000 sono state utilizzate per addestrare il sistema di IA semi-supervisionato. Si dice che AstroNet K2 sia accurato al 98% nei set di dati di test.
Tanti ricercatori con un solo obiettivo
Membri del team Google Brain; i dipartimenti di astronomia dell’Università della California, Berkeley e l’Università del Texas, Austin; e l’Harvard-Smithsonian Center for Astrophysics hanno condiviso i risultati in un articolo. Concludono che AstroNet K2 è “non ancora pronto per rilevare e identificare automaticamente i candidati del pianeta” a causa dell’abbondanza di falsi positivi, ma potrebbe aumentare gli sforzi degli astronomi che lavorano per comprendere meglio l’universo.
“Non ci dà solo una manciata di candidati e ci dice: ‘eccoli qua, questi sono i pianeti, punto.’ Ce ne ripropone tanti poi rivelati falsi segnali positivi. Quindi hai bisogno dell’aiuto di un astronomo umano per selezionare e vedere quello che non è un pianeta. Ma invece di 20.000 segnali, ora devi solo guardare attraverso 1.000 segnali, e questo fa risparmiare davvero tanto tempo “, ha detto Dattilo.
Questo è solo l’inizio per l’IA
AstroNet K2 sarà ulteriormente perfezionato e, come il suo predecessore, open-source per includere la più ampia comunità di IA in futuro.
Il modello è a malapena il primo utilizzo dell’apprendimento automatico per esplorare l’universo. Anche la Search for Extraterrestrial Intelligence Institute (SETI) utilizza l’intelligenza artificiale per estendere e migliorare la sua capacità di trovare la vita aliena nell’universo.
