A inteligência artificial está dando aos cientistas uma nova esperança para estudar a habitabilidade dos planetas, em um estudo dos astrônomos Chris Lam e David Kipping. Seu trabalho analisa os chamados "Tatooines, "e usa técnicas de aprendizado de máquina para calcular a probabilidade de esses planetas sobreviverem em órbitas estáveis. O estudo foi publicado na revista Avisos mensais da Royal Astronomical Society .

Os planetas circumbinários são aqueles planetas que orbitam duas estrelas em vez de apenas uma, muito parecido com o planeta fictício Tatooine na franquia Star Wars. Dezenas desses planetas foram descobertos até agora, mas descobrir se eles podem ser habitáveis ​​ou não pode ser difícil.

Mover-se em torno de duas estrelas em vez de apenas uma pode levar a grandes mudanças na órbita de um planeta, o que significa que muitas vezes é totalmente ejetado do sistema, ou se choca violentamente com uma de suas estrelas gêmeas. As abordagens tradicionais para calcular qual deles ocorre para um determinado planeta tornam-se significativamente mais complicadas assim que a estrela extra é adicionada à mistura.

"Quando simulamos milhões de planetas possíveis com órbitas diferentes usando métodos tradicionais, descobrimos que planetas estavam sendo previstos como estáveis ​​que claramente não eram, e vice versa, "explica Lam, principal autor do estudo e recém-formado pela Columbia University.

Os planetas precisam sobreviver por bilhões de anos para que a vida evolua, portanto, descobrir se as órbitas são estáveis ​​ou não é uma questão importante para a habitabilidade. O novo trabalho mostra como o aprendizado de máquina pode fazer previsões precisas mesmo se a abordagem padrão - baseada nas leis de gravidade e movimento de Newton - falhar.

"Classificação com numerosos complexos, parâmetros interconectados são o problema perfeito para aprendizado de máquina, "diz o professor Kipping, supervisor da obra.

Depois de criar dez milhões de Tatooines hipotéticos com diferentes órbitas, e simular cada um para testar a estabilidade, este enorme conjunto de treinamento foi alimentado na rede de aprendizagem profunda. Em apenas algumas horas, a rede foi capaz de superar a precisão da abordagem padrão.

Mais planetas circumbinários parecem prestes a ser descobertos pela missão Transiting Exoplanet Survey Satellite (TESS) da NASA, e Lam espera que seu trabalho ajude:"Nosso modelo ajuda os astrônomos a saber quais regiões são melhores para pesquisar planetas ao redor de estrelas binárias. Esperamos que isso nos ajude a descobrir novos exoplanetas e entender melhor suas propriedades."