L'intelligenza artificiale sta dando agli scienziati nuove speranze per studiare l'abitabilità dei pianeti, in uno studio degli astronomi Chris Lam e David Kipping. Il loro lavoro riguarda i cosiddetti "Tatooines, " e utilizza tecniche di apprendimento automatico per calcolare la probabilità che tali pianeti sopravvivano in orbite stabili. Lo studio è pubblicato sulla rivista Avvisi mensili della Royal Astronomical Society .

I pianeti circumbinari sono quei pianeti che orbitano attorno a due stelle invece di una sola, proprio come il pianeta immaginario Tatooine nel franchise di Star Wars. Finora sono stati scoperti decine di questi pianeti, ma capire se possono essere abitabili o meno può essere difficile.

Spostarsi intorno a due stelle invece di una sola può portare a grandi cambiamenti nell'orbita di un pianeta, il che significa che spesso viene espulso completamente dal sistema, oppure si schianta violentemente contro una delle sue stelle gemelle. Gli approcci tradizionali per calcolare quale di questi si verifica per un dato pianeta diventano significativamente più complicati non appena la stella in più viene inserita nel mix.

"Quando abbiamo simulato milioni di possibili pianeti con orbite diverse utilizzando metodi tradizionali, abbiamo scoperto che i pianeti erano stati previsti come stabili che chiaramente non lo erano, e viceversa, " spiega Lam, autore principale dello studio e neolaureato alla Columbia University.

I pianeti devono sopravvivere per miliardi di anni affinché la vita si evolva, quindi scoprire se le orbite sono stabili o meno è una questione importante per l'abitabilità. Il nuovo lavoro mostra come l'apprendimento automatico può fare previsioni accurate anche se l'approccio standard, basato sulle leggi di gravità e movimento di Newton, fallisce.

"Classificazione con numerosi complessi, parametri interconnessi è il problema perfetto per l'apprendimento automatico, "dice il professor Kipping, supervisore dei lavori.

Dopo aver creato dieci milioni di ipotetiche Tatooine con orbite diverse, e simulando ognuno per testare la stabilità, questo enorme set di formazione è stato inserito nella rete di deep learning. Nel giro di poche ore, la rete è stata in grado di superare l'accuratezza dell'approccio standard.

Altri pianeti circumbinari sembrano destinati a essere scoperti dalla missione Transiting Exoplanet Survey Satellite (TESS) della NASA, e Lam si aspetta che il loro lavoro sia d'aiuto:"Il nostro modello aiuta gli astronomi a sapere quali regioni sono le migliori per cercare pianeti attorno a stelle binarie. Si spera che questo ci aiuti a scoprire nuovi esopianeti e a comprendere meglio le loro proprietà".