Intel·ligència artificial per trobar planetes

Els telescopis espacials recorren l'espai a la recerca de nous mons habitables. (NASA)

El descobriment d’un nou planeta ha estat possible gràcies a l’aprenentatge automàtic dels ordinadors

En els últims anys s’han llançat diverses missions espacials per buscar mons habitables a la nostra galàxia.

Al 2013, el telescopi espacial Kepler va detectar un estel i set planetes orbitant al seu voltant: el sistema Kepler-90. Quatre anys més tard, s’ha descobert que aquest sistema no té set planetes sinó vuit, igual que el nostre Sistema Solar.

Els planetes del sistema Kepler-90 s’ordenen de manera semblant als planetes del sistema solar: els més propers al sol són més petits que els més allunyats. (NASA)

Les sondes i telescopis que recorren l’espai envien a la Terra milions i milions de dades que cal analitzar… i no és feina fàcil! El descobriment del vuitè planeta, Kepler-90i, ha estat possible gràcies a l’ajuda de el ‘machine learning’, una nova tecnologia d’intel·ligència artificial desenvolupada per Google.

Ensenyar als ordinadors

Gràcies a les missions espacials s’han descobert milers de nous planetes que podrien convertir-se en la nostra nova Terra. No obstant això, aquests planetes estan tan lluny que no poden veure’s. Com sabem que estan allí?

Els telescopis espacials com Kepler detecten variacions en la llum que emeten els estels. Quan un estel brilla menys, podria ser perquè un planeta està orbitant i passa per davant (és el que es coneix com a ocultació).

Però la feina no acaba aquí. Les dades recopilades s’envien a la Terra, on els científics han d’analitzar-les i comparar-les. La quantitat d’informació és tan gran que es necessiten ordinadors per processar-la, però un ordinador no té la capacitat d’anàlisi i deducció d’una persona… o potser sí.

El ‘machine learning’ o aprenentatge automàtic és un tipus d’intel·ligència artificial: a través de la programació de programari, s’ensenya als ordinadors a aprendre i pensar per ells mateixos.

Amb l’objectiu de descobrir nous planetes, els enginyers de programari Christopher Shallue i Andrew Vanderburg han ‘entrenat’ a una computadora perquè aprengui a interpretar les variacions de llum i deduir si són planetes.

Al seu blog, els dos científics expliquen com van utilitzar l’aprenentatge automàtic per analitzar les dades de la missió Kepler. Durant quatre anys, el telescopi ha observat 200.000 estels, capturant una imatge cada 30 minuts i creant 14.000 milions de punts de dades.

És una quantitat d’informació immensa, fins i tot per ser analitzada pels ordinadors més potents. Analitzar aquesta informació seria molt complicat i portaria molt temps, per això l’aprenentatge automàtic és més efectiu.

Informa’t de tot a Junior Report Castellano | Català | English

FER UN COMENTARI

Please enter your comment!
Please enter your name here