A busca por planetas habitáveis fora do sistema solar tem sido um dos principais objetivos da astronomia moderna. Com o avanço da tecnologia, pesquisadores suíços desenvolveram um modelo de inteligência artificial (IA) capaz de identificar sistemas estelares com alta probabilidade de abrigar planetas semelhantes à Terra.
Desde a descoberta do primeiro exoplaneta em 1995, mais de 5.000 exoplanetas foram confirmados. No entanto, encontrar planetas que realmente se assemelham à Terra continua sendo um desafio.
A dificuldade reside não apenas na detecção desses planetas, mas também em saber onde procurar. O universo é vasto, e mesmo dentro da Via Láctea, existem bilhões de estrelas a serem investigadas.
Como funciona o algoritmo de IA?
O modelo desenvolvido pelos pesquisadores suíços utiliza um sofisticado sistema de aprendizado de máquina para compreender a dinâmica da formação planetária.
Este algoritmo foi treinado com o Modelo de Berna de Formação e Evolução Planetária, que simula os processos físicos envolvidos no nascimento e desenvolvimento de sistemas planetários.
O algoritmo analisa características como a massa da estrela hospedeira, sua composição química e a presença de outros planetas no sistema. Com uma precisão de 99%, o modelo consegue identificar sistemas estelares que provavelmente abrigam planetas semelhantes à Terra.
Este nível de precisão é alcançado ao correlacionar características específicas de um sistema estelar com a presença ou ausência de planetas habitáveis, permitindo que os pesquisadores direcionem suas observações de forma mais eficaz.
Próximos passos da pesquisa
Após identificar 44 sistemas estelares com alta probabilidade de abrigar planetas semelhantes à Terra, os pesquisadores planejam realizar observações de acompanhamento.
Telescópios avançados, como o Telescópio Espacial James Webb, serão utilizados para confirmar a presença desses planetas. As primeiras confirmações podem ocorrer nos próximos anos, dependendo da disponibilidade de tempo de observação.
Além disso, a equipe está trabalhando para refinar o algoritmo, incorporando dados de missões espaciais recentes. Com mais dados, o modelo se tornará ainda mais preciso, permitindo a identificação de mais candidatos promissores.
