El aprendizaje automático es una herramienta poderosa que se utiliza para una variedad de tareas en la vida moderna, desde la detección de fraudes y la clasificación de spam en Google, hasta hacer recomendaciones de películas en Netflix.
Ahora, un equipo de investigadores de la Universidad de Toronto Scarborough ha desarrollado un enfoque novedoso al usarlo para determinar si los sistemas planetarios son estables o no.
"El aprendizaje automático ofrece una forma poderosa de abordar un problema en astrofísica, y eso es predecir si los sistemas planetarios son estables", dice Dan Tamayo, autor principal de la investigación y becario postdoctoral en el Centro de Ciencia Planetaria de la U de T Scarborough.
El aprendizaje automático es una forma de inteligencia artificial que brinda a las computadoras la capacidad de aprender sin tener que estar constantemente programadas para una tarea específica. El beneficio es que puede enseñar a las computadoras a aprender y cambiar cuando se exponen a nuevos datos, sin mencionar que estambién muy eficiente
El método desarrollado por Tamayo y su equipo es 1,000 veces más rápido que los métodos tradicionales para predecir la estabilidad.
"En el pasado hemos tenido dificultades para tratar de descubrir si los sistemas planetarios son estables por métodos que no podían manejar la cantidad de datos que le estábamos arrojando", dice.
Es importante saber si los sistemas planetarios son estables o no, ya que puede decirnos mucho sobre cómo se formaron estos sistemas. También puede ofrecer información nueva y valiosa sobre los exoplanetas que no ofrecen los métodos actuales de observación.
Existen varios métodos actuales para detectar exoplanetas que brindan información como el tamaño del planeta y su período orbital, pero pueden no proporcionar la masa del planeta o cuán elíptica es su órbita, que son todos factores que afectan la estabilidad, señala Tamayo.
El método desarrollado por Tamayo y su equipo es el resultado de una serie de talleres en la U de T Scarborough que cubren cómo el aprendizaje automático podría ayudar a abordar problemas científicos específicos. La investigación se publica actualmente en línea en el Letras del diario astrofísico .
"Lo que es alentador es que nuestros hallazgos nos dicen que invertir semanas de cómputo para entrenar modelos de aprendizaje automático vale la pena porque esta herramienta no solo es precisa, sino que también funciona mucho más rápido", agrega.
También puede ser útil cuando se analizan los datos del satélite de estudio de tránsito de exoplanetas en tránsito de la NASA TESS que se lanzará el próximo año. La misión de dos años se centrará en descubrir nuevos exoplanetas centrándose en las estrellas más brillantes cerca de nuestro sistema solar.
"Podría ser una herramienta útil porque predecir la estabilidad nos permitiría aprender más sobre el sistema, desde los límites superiores de masa hasta las excentricidades de estos planetas", dice Tamayo.
"Podría ser una herramienta muy útil para comprender mejor esos sistemas"
Fuente de la historia :
Materiales proporcionado por Universidad de Toronto . Original escrito por Don Campbell. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :