Cuando se trata de detectar planetas que orbitan estrellas distantes, el mayor obstáculo suele ser separar la señal del ruido —específicamente, intentar distinguir un planeta del resplandor estelar que lo rodea. Eso es así incluso para los telescopios más sofisticados, incluido el Telescopio Espacial James Webb (JWST).
Ahora, los astrónomos han desarrollado una nueva forma de detectar planetas que antes quedaban ahogados en un mar de luz. Utilizando una combinación de modelado y técnicas de aprendizaje automático, identificaron un gigante de exoplanetas previamente oculto en datos del JWST. Los resultados se publicaron el 4 de noviembre en la revista Nature.
“Los planetas son un millón de veces más tenues que sus estrellas,” dijo el primer autor Rodrigo Ferrer-Chávez, astrónomo de Northwestern University, en un comunicado. “Entonces, para poder fotografiar exoplanetas, debemos eliminar ese resplandor.”
Telescopios como el JWST utilizan instrumentos llamados coronógrafos para bloquear parte de este exceso de luz, de manera similar a cómo la luna y una cámara estenopeica funcionan durante un eclipse solar total. Pero incluso los mejores coronógrafos tienen limitaciones —por ejemplo, no pueden bloquear todo el resplandor, y los telescopios mismos se mueven.
Incluso los telescopios más estables vibran casi imperceptiblemente mientras recogen la luz, por lo que las imágenes que generan contienen desajustes casi imperceptibles en comparación con lo que el instrumento realmente ve. Estos pequeños desplazamientos pueden ser suficientes para obstaculizar incluso planetas exoplanet grandes.
Para abordar esto, Ferrer-Chávez y su equipo desarrollaron un “gemelo digital” del JWST que recrea virtualmente cómo la luz viaja a través de los detectores del telescopio, sin las imperfecciones provocadas por el movimiento. Para afinar esta réplica digital, los investigadores utilizaron modelos computacionales basados en la física real junto con técnicas de aprendizaje automático similares a las utilizadas para entrenar IA. Pero los autores destacaron que esto no es un modelo de IA.
“Como ya conocemos la física, no necesitamos IA para entender lo que está pasando,” comentó en un comunicado el coautor del estudio Jason Wang, también astrofísico de Northwestern.
Los investigadores llamaron a su enfoque Physics-based Learning for Imaging Planets, o FLIP.
Usando FLIP, el equipo analizó datos de tres estrellas, incluida 51 Eridani, que se ubica a unos 97 años luz de la Tierra y ya se sospechaba que tenía un exoplaneta gigante orbitándolo. Aunque el planeta, llamado 51 Eridani b, ya había sido detectado por telescopios en tierra, en observaciones previas con JWST quedó ahogado por la luz. Sin embargo, con FLIP, 51 Eridani b emergió del conjunto de datos.
Los científicos esperan que este enfoque ayude a los astrónomos a identificar aún más exoplanetas difíciles de detectar, especialmente aquellos que se parecen a los planetas de nuestro propio vecindario. En los casi 35 años de historia de la caza de exoplanetas, la gran mayoría de los planetas que hemos encontrado han sido radicalmente distintos de los que hay en nuestro propio sistema solar, en parte porque mundos más grandes y más reflectantes son más fáciles de detectar con los telescopios actuales.
“No es que existan planetas parecidos a los del sistema solar,” afirmó Ferrer-Chá Chavez. “Es que no podemos verlos.”
