El algoritmo de inteligencia artificial RAVEN logró validar 118 exoplanetas en un solo ciclo de procesamiento tras analizar los datos captados por el satélite Transiting Exoplanet Survey Satellite (TESS) de la NASA. La investigación, liderada por científicos de la Universidad de Warwick, permitió identificar 31 mundos totalmente desconocidos hasta la fecha, lo que marcó un hito en la velocidad de detección astronómica. Los resultados del estudio se publicaron en la revista Monthly Notices of the Royal Astronomical Society, donde el equipo de David Armstrong explicó el funcionamiento de la red neuronal.

El sistema examinó miles de señales candidatas para distinguir entre tránsitos planetarios reales y falsos positivos causados por la actividad estelar o interferencias instrumentales. El grupo de nuevos hallazgos incluyó las denominadas "tierras extremas", planetas rocosos con tamaños similares al nuestro pero con condiciones orbitales radicalmente distintas. Estos cuerpos celestes completan una órbita alrededor de su sol en menos de 24 horas, lo que implica temperaturas superficiales incompatibles con la vida tal como se conoce.

¿Cómo funciona el algoritmo RAVEN en la detección de planetas? El proceso de validación planetaria tradicional requería que equipos de científicos analizaran manualmente las curvas de luz de las estrellas. RAVEN automatizó esta tarea mediante un modelo de aprendizaje profundo que clasifica las señales según su probabilidad de origen planetario.

La misión TESS generó un volumen de información que superó la capacidad de procesamiento de los métodos estadísticos convencionales. La implementación de esta nueva arquitectura tecnológica redujo el margen de error en la confirmación de cuerpos rocosos de corto período. Los sensores del satélite detectaron las caídas de brillo en las estrellas cuando un planeta pasó frente a ellas, y el algoritmo procesó esa caída para confirmar la masa y el diámetro.

Qué tipos de mundos encontró la IA de la Universidad de Warwick Dentro del catálogo de 118 objetos validados, los astrónomos destacaron la presencia de gigantes gaseosos y subneptunos. Sin embargo, el interés principal se centró en los planetas de período ultracorto, mundos que se encuentran tan cerca de su estrella anfitriona que sus atmósferas sufren procesos de evaporación constante. La precisión de las detecciones alcanzó un nivel de confianza superior al 99% en la mayoría de los casos presentados.

Este avance facilitó la programación de futuras observaciones con el telescopio James Webb, que se encargará de analizar la composición química de los 31 planetas inéditos descubiertos por el algoritmo. La integración de herramientas como RAVEN en las misiones de la NASA establece un nuevo estándar para la astronomía de datos. El volumen de exoplanetas confirmados mensualmente trepó de forma exponencial desde la puesta en marcha de estas redes neuronales, acelerando el mapeo de la Vía Láctea.