Cazando exoplanetas con redes neuronales: Machine Learning en la NASA

Tuesday, February 20, 2018

Cazando exoplanetas con redes neuronales: Machine Learning en la NASA

¿Qué pasa cuando sueltas una red neuronal en un laboratorio de la NASA?.Pues lo menos que puede pasar es que  encuentre algo muy interesante. En esta ocasión, el resultado fue el descubrimiento de dos nuevos exoplanetas. En este post, conoceremos cómo la IA se suma a las distintas innovaciones tecnológicas que han llevado a la NASA a  traspasar las fronteras de nuestro Sistema Solar para conocer más a fondo nuestra galaxia, la Vía Láctea.


Representación de planetas y estrellas.
Figura 1: Representación de planetas y estrellas.

La película “Figuras Ocultas” nos revela un aspecto desconocido e insospechado de la historia de la navegación espacial. No fue hasta 1962 cuando llegaron a la NASA las primeras computadoras IBM 7090. Sin embargo, unos años antes, en 1959, Alan Shepard fue el primer estadounidense que viajó al espacio y en 1961 se lanzó en EEUU el primer programa espacial tripulado, el Proyecto Mercury. Pero ¿Cómo se las apañaban para calcular las trayectorias, o las ventanas de lanzamiento de estos vuelos espaciales? Muy sencillo, tirando de sencillas calculadoras y el talento de un equipo de matemáticas excepcionales que hacían el papel de “calculadoras humanas”. La película se centra en tres de esas mujeres excepcionales: Katherine Johnson, Dorothy Vaughan y Mary Jackson que, a comienzos de los años 60, ayudaron a la NASA a poner en órbita al astronauta John Glenn desde el laboratorio aeronáutico de Langley, en Hampton (Virginia), y en las dificultades que tuvieron que afrontar para realizar su trabajo en una época en la que en EEUU la segregación y discriminación racial estaban plenamente legalizadas.

Está claro que la incorporación de las computadoras en este campo supuso un antes y un después, aunque, como se refleja en la película, en 1962 le pidieron a Katherine Johnson que comprobara la exactitud del cálculo de la órbita alrededor de la Tierra del astronauta John Glenn  realizado por el IBM. De hecho, esta verificación de su exactitud sirvió para aumentar la confianza en las nuevas tecnologías de computación.

Desde entonces, han pasado muchas cosas en el mundo y en la NASA. Pero últimamente ha habido un acontecimiento concreto que consideramos de gran interés. 

"Inteligencia Artificial: Primer planeta descubierto al aplicar una red neuronal a datos de la NASA"


El pasado 14 de Diciembre de 2017, Paul Hertz, Director de la División de Astrofísica de la NASA en Washington, y  Christopher Shallue, Ingeniero de Software Senior en Google AI anunciaron en una rueda de prensa una primicia: Aunque no es la primera vez que se han usado herramientas de IA para este tipo de investigaciones, “ Es la primera vez en la historia de la NASA que se ha usado una red neuronal para descubrir nuevos exoplanetas”.

¿Qué son los exoplanetas?


Los exoplanetas son planetas que están fuera de nuestro Sistema Solar, y son relativamente habituales.  El primer exoplaneta en órbita en torno a una estrella parecida al sol fue descubierto en 1995, en un momento en el que apenas se había explorado una parte muy reducida de nuestra galaxia, la Vía Láctea. Sin embargo, su número es muy grande. Una estimación estadística reciente considera que hay al menos un planeta orbitando cada estrella de la galaxia. Y, aunque nuestra galaxia ocupa tan sólo una pequeña parte del cosmos (el Universo observable tiene al menos dos billones de galaxias), la Vía Láctea es un gigante que contiene 100.000 millones de estrellas.

¿Por qué buscamos exoplanetas?


Muchos os preguntaréis, ¿qué sentido tiene dedicar esfuerzos científicos, técnicos, económicos y humanos a la búsqueda de planetas fuera de nuestro Sistema Solar?. Además del evidente interés científico que subyace a toda exploración espacial, hay dos motivos principales. El primero es la búsqueda de otros posibles planetas habitables. En 2016, cuando la NASA anunció la mayor colección de planetas jamás descubiertos hasta el momento, 1284, Ellen Stofan, Directora Científica de la NASA en Washington, declaraba:

Este descubrimiento nos da esperanzas de que en algún lugar ahí fuera, alrededor de una estrella como la nuestra, con el tiempo podremos descubrir otra Tierra

Y el segundo, íntimamente ligado con el primero, se resume muy bien en esta otra frase de Paul Hertz, Director de la División de Astrofísica:

 Este conocimiento inspira las misiones futuras que son necesarias para acercarnos cada vez más a descubrir si estamos sólo en el Universo o no

Por ello, cuando se puso en órbita el Telescopio Espacial Keppler, el “cazador de planetas", del que hablaremos un poco más después, se dijo que con su lanzamiento “se abría una puerta al futuro de la Humanidad”.


¿Cómo se detecta un planeta?


Casi todos los planetas que conocemos se han detectado por métodos indirectos. Hay dos técnicas principales:
  • Técnica de cálculo de la velocidad radial o Doppler. El planeta que orbita alrededor de una estrella produce en ésta una pequeña oscilación o cabeceo debida a su “tirón gravitatorio” (la débil atracción gravitatoria que ejerce el planeta sobre la estrella). Esta oscilación, se traduce en pequeños cambios en la velocidad de la estrella que podemos medir sin dificultad y que nos permiten hacer una estimación de la masa mínima que puede tener el planeta.
  • Técnica del tránsito. Si tenemos suerte y la inclinación de la órbita del planeta alrededor de su estrella es tal que desde nuestro punto de vista pasa por delante del planeta (“tránsito”), y por detrás (“ocultación”), una vez por órbita, podemos medir fácilmente la variación en la luminosidad de la estrella cada vez que el planeta pasa por delante de ella, ensombreciendo una pequeña parte de su superficie. La disminución de la luminosidad nos permite calcular la superficie de la estrella a la que está haciendo sombra el planeta, y, por ende, nos da una referencia del tamaño del planeta (su radio), respecto al de la estrella.

En los casos en los que hemos podido aplicar ambas técnicas a la detección de un planeta, conociendo su masa y su radio, podríamos calcular su densidad media y tener una cierta idea de si estamos ante un planeta sólido y rocoso, líquido o gaseoso. Y si resulta que su masa o sus dimensiones son comparables a las de la Tierra, ya podríamos decir que estamos ante un planeta similar a la Tierra. Todavía no tenemos instrumentos lo suficientemente sensibles, pero posiblemente en un futuro próximo, podríamos aplicar técnicas espectroscópicas que midan variaciones en el espectro de la luz de la estrella en el momento del tránsito del planeta que nos podrían dar pistas sobre la composición química de la atmósfera de éste último. De esta forma podríamos saber si una vida parecida a la vida en la Tierra sería posible en ese planeta.

La mision Kepler


La mision Kepler, lanzada en 2009, fue la primera misión de la NASA cuyo objetivo era encontrar planetas del tamaño de la Tierra potencialmente habitables. Durante 4 años, el telescopio espacial monitorizó 150.000 estrellas, midiendo las pequeñas variaciones en su brillo producidas durante la transición de un planeta, es decir, la técnica del Tránsito que hemos mencionado anteriormente. En 2018 el satélite de la NASA Transiting Exoplanet Survey Satellite usará el mismo método para monitorizar 200.000 estrellas cercanas en búsqueda de nuevos planetas, del tamaño de la Tierra o varias veces el tamaño de la Tierra.



En este vídeo, del canal de Youtube del NASA's Ames Research Center se puede apreciar cómo el tránsito del planeta genera una pequeña sombra sobre la estrella, disminuyendo ligeramente su luminosidad total.

A lo largo de sus años de misión, el conjunto de datos de observaciones recogidas por el telescopio Kepler ha ido acumulado 150,000 señales de posibles planetas. Pero sólo se podían analizar las más relevantes mediante test automáticos e incluso a veces, manualmente, con lo que mucha información de interés quedaba relegada en los datos relativos a las señales más débiles.

¿Cómo entra en juego la IA?


Shallue, investigador de Google AI empezó a interesarse por el descubrimiento de exoplanetas cuando averiguó cómo los rápidos avances en el campo de la observación astronómica estaban desbordando las capacidades de análisis de los investigadores. En su tiempo libre, empezó a investigar sobre el tema y descubrió la gran base de datos de la misión Kepler. Se dio cuenta de que era un excelente ejemplo donde la aplicación de técnicas de Machine Learning podían llegar mucho más allá de donde podían hacerlo los investigadores mediante técnicas tradicionales.

Shallue, junto con Andrew Vanderburg, Astrónomo en la Universidad de Texas, entrenaron una red neuronal usando la base de más de 15.000 señales “etiquetadas” que habían sido descartadas de análisis anteriores por su baja intensidad. De estas 15.000 señales, 3500 correspondían a la reducción de intensidad producida por el tránsito del planeta, y el resto eran falsos positivos. Con el dataset de test, la red neuronal aprendió a detectar los patrones de variación de intensidad que correspondían al tránsito de un planeta y diferenciarlos de los producidos por otros fenómenos. Después, aplicaron el modelo para buscar señales débiles en 670 sistemas estelares que sabían que ya tenían múltiples planetas y que presumiblemente eran un buen sitio donde encontrar más. Y tenían razón, porque, basándose en cómo se conectan las neuronas en un cerebro humano, esta red neuronal artificial  encontró las débiles señales, que hasta entonces habían pasado desapercibidas, de un octavo planeta en la órbita de la estrella Kepler-90, en la constelación de Draco. También encontraron un sexto planeta en la órbita del sistema Kepler-80.

Por qué es importante este anuncio


Es importante, porque es la primera vez que los investigadores utilizan un sistema basado en IA (en este caso una red neuronal) para identificar nuevos mundos. También es importante porque pone en valor la importancia del conjunto de observaciones recogidas en la misión Keppler y cómo las nuevas tecnologías de datos basadas en algoritmos de Machine Learning van a dar un gran impulso a nuestro conocimiento y comprensión de los sistemas planetarios.  

Nuevamente, sobre la mesa, el valor de los datos,

En palabras de Paul Hertx,

Este descubrimiento muestra que nuestros datos serán un tesoro a disposición de los investigadores más innovadores en los años venideros

Y la IA no se va a limitar al análisis de datos recogidos por las sondas espaciales, sino que puede ir aun más allá. Steve Chien y Kiri Wagstaff, del Jet Propulsion Laboratory  de la NASA predicen, que, en el futuro, las misiones espaciales dejarán de estar dirigidas por personas desde la Tierra para pasar a ser controladas por IA. Aunque la humanidad ha dado grandes pasos en la exploración de nuestra galaxia, más allá de nuestro Sistema Solar, para explorar nuestro Universo puede que tengamos que "pasarle los mandos" a los robots autónomos.

Por último, el tratamiento de este ingente tesoro que son los datos astronómicos, también busca nuevas estrategias que han demostrado su éxito en otros campos. Nos estamos refiriendo a campañas de crowdsourcing donde se busca el apoyo de la ciencia ciudadana para colaborar en tareas de “entrenamiento” de algoritmos, como por ejemplo, esta campaña de “Exoplanets explorers” que invitaba a colaboradores voluntarios a ayudar a clasificar galaxias en la plataforma colaborativa “Zoouniverse”.

No te pierdas ninguno de nuestros post. Suscríbete a LUCA Data Speaks.

También puedes seguirnos en nuestras redes sociales: @Telefonica@LUCA_D3@ElevenPaths

No comments:

Post a Comment