Investigadores del TEC desarrollan algoritmo con IA para caracterizar exoplanetas
Un equipo de investigación del Tecnológico de Costa Rica (TEC) ha desarrollado una herramienta basada en inteligencia artificial (IA) que optimiza el estudio de exoplanetas desde observatorios terrestres. Se trata de GANexo, un algoritmo entrenado para analizar señales astronómicas recogidas desde la Tierra, que permite caracterizar planetas que orbitan estrellas fuera del Sistema Solar.
Este desarrollo, liderado por los investigadores Felipe Meza Obando y Juan Luis Crespo Mariño, fue reconocido con el Best Paper Award durante la IEEE International Conference on Bio Inspired Processing (BIP), uno de los eventos más prestigiosos del mundo en aprendizaje automático y tecnologías bioinspiradas.
“Creamos una línea dentro del Laboratorio de Inteligencia Artificial del TEC, enfocada precisamente en aplicaciones de la IA para resolver problemas en astrofísica. A partir de ahí hemos desarrollado varias líneas de trabajo. Una de ellas está relacionada con la predicción del clima espacial y otra de las líneas es esta que trabajamos con exoplanetas”, contó Felipe Meza a CR Hoy.
Ciencia tica mirando al cosmos
Desarrollado en el Laboratorio de Inteligencia Artificial para las Ciencias Naturales (LIANA) del TEC, GANexo permite extraer información crucial sobre exoplanetas —como su tipo, órbita y potencial de habitabilidad— mediante el análisis de las variaciones de brillo de la estrella que orbitan. Esta técnica, conocida como método de tránsito, detecta pequeñas disminuciones de luz cuando un planeta pasa frente a su estrella desde la perspectiva terrestre.
“La búsqueda de exoplanetas, sobre todo aquellos con posibilidades de ser habitables, es un área de gran interés en astrofísica. El método del tránsito es menos costoso porque permite hacer mediciones desde la Tierra, sin necesidad de recurrir a satélites megamillonarios”, explicó Meza.
El reconocimiento internacional ha abierto nuevas puertas para el equipo del TEC. “Hemos estado en contacto con colegas que, aunque no trabajan exactamente en este campo, se dedican a otras áreas de la astrofísica e incluso de las telecomunicaciones, y han visto un enorme potencial en lo que estamos haciendo, ya que podría ayudarles a resolver diversos problemas”, señaló Meza.
Además, el premio ha facilitado acercamientos con organizaciones interesadas en apoyar este tipo de desarrollos, lo que podría traducirse en recursos y alianzas estratégicas para nuevas versiones del algoritmo.
Tres beneficios clave
A diferencia de las mediciones realizadas por satélites, las observaciones desde Tierra enfrentan desafíos como la rotación del planeta, las condiciones atmosféricas y el ruido instrumental. Este algoritmo tiene una serie de ventajas que lo hacen diferente:
- Análisis desde Tierra: permite caracterizar exoplanetas sin necesidad de satélites, utilizando observatorios terrestres.
- Reducción de ruido: limpia las curvas de luz afectadas por interferencias atmosféricas o del equipo.
- Simulación de datos faltantes: genera datos sintéticos para completar observaciones interrumpidas por la duración de la noche.
“La gran diferencia es que usamos inteligencia artificial generativa, una rama del aprendizaje automático”, agregó Meza. A diferencia de los usos más conocidos de la IA generativa—como la creación de imágenes o textos—, aquí se aplica al análisis de series temporales: datos que representan la intensidad de la luz estelar a lo largo del tiempo.
Hasta ahora, la comunidad científica ha identificado miles de exoplanetas, desde gigantes gaseosos más grandes que Júpiter hasta cuerpos rocosos comparables a Marte. Muchos de estos mundos se encuentran en condiciones extremas que dificultan su estudio.
