Publicado: abril 1, 2026, 3:24 am
Un equipo de astrónomos de la Universidad de Warwick (Reino Unido) ha validado más de 100 exoplanetas y 31 planetas gracias a una nueva herramienta de inteligencia artificial, que está aplicada a los datos del telescopio espacial TESS (Satélite de Sondeo de Exoplanetas en Tránsito, por sus siglas en español) de la NASA.
En un artículo publicado en la revista Monthly Notices of the Royal Astronomical Society, el equipo afirma que aplicó la herramienta de IA, llamada RAVEN, a las observaciones de más de 2,2 millones de estrellas recopiladas durante los primeros cuatro años de funcionamiento de TESS. Además, se centraron en encontrar planetas que orbitan cerca de sus estrellas para proporcionar una evaluación precisa.
La doctora Marina Lafarga Magro, primera autora del estudio e investigadora postdoctoral de la Universidad de Warwick, afirma en el artículo que, gracias a la nueva metodología RAVEN, pudieron «validar 118 planetas nuevos y más de 2000 candidatos a planetas de alta calidad, casi 1.000 de ellos completamente nuevos». Por lo tanto, este hito representa una de las muestras mejor caracterizadas de planetas cercanos a la Tierra porque, de cara a un futuro, «ayudará a identificar los sistemas más prometedores».
Qué es RAVEN, la herramienta con IA que descubre planetas y exoplanetas
Andreas Hadjigeorghiou de Warwick, quien lideró el desarrollo del sistema, explica en el artículo que la fortaleza de RAVEN reside en un conjunto de datos «cuidadosamente» creado que está compuesto por cientos de miles de planetas simulados de forma realista y otros fenómenos astrofísicos.
Para su puesta en marcha, los astrónomos de la Universidad entrenaron modelos de aprendizaje automático para identificar patrones en los datos y determinar el tipo de evento detectado, de esta manera, RAVEN permite analizar enormes conjuntos de datos de forma consistente y objetiva.
Además, cabe mencionar que dicha herramienta está diseñada para gestionar todo el proceso de una sola vez, desde la detección de la señal hasta su análisis mediante aprendizaje automático y su validación estadística. Por lo tanto, esto le da al proceso una ventaja adicional sobre las herramientas actuales, que solo se centran en partes específicas del flujo de trabajo.
Al final, este análisis demuestra que los grandes conjuntos de datos astronómicos y los nuevos desarrollos de la IA generan nuevos descubrimientos y transforman tanto el descubrimiento de planetas como la ciencia de las poblaciones planetarias, así pues, las comunidades científicas pueden identificar objetivos prometedores para futuras observaciones con telescopios terrestres y próximas misiones.
