La IA y TESS descubren decenas de nuevos planetas — Astrobitácora

Publicado por Alex Riveiro | 26/03/2026; 17:52 | Actualidad | 0 |

Un grupo de investigadores ha descubierto, con la ayuda de la IA y del satélite TESS, decenas de nuevos planetas que no habían sido captados antes. Además, han validado muchos más mundos, aumentando en más de un centenar la cantidad de exoplanetas descubiertos lejos del Sistema Solar…

Un grupo de investigadores de la Universidad de Warwick ha validado más de 100 exoplanetas, entre los que están 31 descubiertos recientemente. Esto ha sido posible gracias a una nueva herramienta de inteligencia artificial (IA) aplicada a los datos recogidos por el satélite TESS (por las siglas de Transiting Exoplanet Survey Satellite) de la NASA. Se trata de un telescopio que estudia el cielo en busca de la pequeña caída de luz que sucede cuando un planeta pasa por delante de su estrella. El sistema de IA lo han diseñado ellos mismos y se llama RAVEN.

Lo han aplicado a observaciones de más de 2,2 millones de estrellas recopiladas durante los cuatro primeros años de TESS. Se centraron en encontrar planetas que orbitan cerca de sus estrellas, con un período orbital inferior a 16 días. Por lo que este trabajo proporciona un análisis preciso de hasta qué punto son comunes los exoplanetas con un período orbital tan corto. Así, los investigadores explican que han validado 118 exoplanetas y han obtenido más de 2000 candidatos a exoplanetas. De ellos, 1000 son completamente nuevos.

Añaden, además, que supone una de las muestras más detalladas de planetas cercanos a sus estrellas. Ayudará a identificar los sistemas más prometedores para los futuros estudios. Entre esos planetas validados, destacan mundos de período ultracorto (es decir, con una órbita de menos de 24 horas), también del llamado desierto neptuniano (un tipo de exoplaneta que la teoría dice que debería ser poco frecuente). Así como sistemas con varios planetas en órbitas cercanas (incluyendo parejas de planetas, en torno a una misma estrella, que eran desconocidos hasta este momento.

Las misiones modernas de búsqueda de planetas identifican miles de posibles planetas (candidatos). Sin embargo, confirmar qué señales son reales y hasta qué punto son comunes los distintos tipos de planetas sigue siendo algo muy complicado con los métodos que se utilizan. El desafío, explican los investigadores, está en identificar si una caída de brillo de una estrella es producto de un planeta en órbita a su alrededor u otra cosa. Por ejemplo, puede tratarse de un sistema de estrellas binarias eclipsantes. RAVEN busca, precisamente, distinguir esos escenarios.

Los investigadores explican que la fortaleza del modelo está en que han usado un conjunto de datos creado con mucho cuidado. Incluye cientos de miles de planetas simulados y fenómenos astrofísicos que pueden hacerse pasar por planetas. Con todo esto, han entrenado modelos de aprendizaje automático para identificar patrones, en los datos reales, que puedan indicar qué es lo que se ha detectado. Es algo en lo que los modelos de IA son muy robustos. Además, explican, RAVEN está diseñado para encargarse de todo el proceso.

Desde detectar la señal hasta examinarla con aprendizaje automático y validarla. Esto da al sistema una ventaja sobre otras herramientas, que solo se centran en partes de todo ese proceso. El modelo permite analizar conjuntos de datos enormes de forma consistente y objetiva. Como el sistema está bien probado, es lo bastante fiable como para usarlo para determinar la abundancia de diferentes tipos de planetas en torno a estrellas que son parecidas al Sol. Todo esto ha permitido que puedan estudiar cómo son los exoplanetas cercanos a sus estrellas.

En un segundo estudio, midieron la frecuencia con la que hay planetas en órbitas pequeñas alrededor de estrellas similares al Sol. Han detallado los resultados según el período orbital y el tamaño del planeta. Así, han descubierto que alrededor del 9–10% de las estrellas similares al Sol tienen un planeta cercano a su estrella. Algo que encaja con lo que ya mostró la misión Kepler, de la NASA. Un telescopio espacial que ya había medido lo comunes que son los planetas alrededor de otras estrellas. Pero RAVEN tenía un margen de error mucho más pequeño.

El estudio también proporciona la primera medición directa de los planetas del desierto neptuniano. Los datos muestran que solo aparecen en torno a un 0,08% de las estrellas similares al Sol. Por primera vez, explican los investigadores, es posible poner una cifra a lo vacío que está ese «desierto». Estos datos, añaden, demuestran que TESS ya puede igualar, y en algunos casos superar, a Kepler para estudiar poblaciones de exoplanetas. En conjunto, estos estudios demuestran cómo las grandes cantidades de datos astronómicos y los avances en IA van de la mano.

Están permitiendo realizar descubrimientos al tiempo que ponen a prueba la capacidad de la IA en problemas de investigación difíciles. Junto a todo esto, los investigadores han publicado herramientas interactivas y catálogos para explorar los resultados e identificar objetivos prometedores para futuras observaciones. Se llevarán a cabo tanto con telescopios terrestres como con próximas misiones espaciales como el telescopio PLATO, de la ESA. El estudio y el descubrimiento de exoplanetas todavía tiene un largo camino por delante…

M. Lafarga, D. Armstrong, A. Hadjigeorghiu et al.; «Automatic search for transiting planets in TESS-SPOC FFIs with RAVEN: over 100 newly validated planets and over 2000 vetted candidates». Publicado en la revista Monthly Notices of the Royal Astronomical Society el 25 de marzo de 2026. Puede consultarse en este enlace.

K. Cui, D. Armstrong, A. Hadjigeorghiu et al.; «Demographics of close-in TESS exoplanets orbiting FGK main-sequence stars». Publicado en la revista Monthly Notices of the Royal Astronomical Society el 7 de enero de 2026. Puede consultarse en este enlace.

A. Hadjigeorghiu, D. Armstrong, K. Cui et al.; «RAVEN: RAnking and Validation of ExoplaNets». Publicado en arXiv, puede consultarse en este enlace.