Usando uma técnica de machine learning, uma equipe de pesquisadores do Instituto de Astrofísica e Ciências do Espaço conseguiram restringir o raio de um exoplaneta com massa conhecida.
Essa nova maneira de prever o raio de um exoplaneta é um perfeito exemplo da sinergia entre a ciência dos exoplanetas e as técnicas de machine learning.
Para caracterizar um planeta, tanto sua massa e o seu raio são propriedades necessárias, para encontrar a densidade do planeta, e a partir daí inferir a sua composição. Mas esses dados só são disponíveis para um reduzido número de exoplanetas, a massa é normalmente determinada pelas medidas de velocidade radial, enquanto que o raio é medido através do método do trânsito.
A equipe de pesquisadores desenvolveu um algoritmo que prevê de forma precisa o raio de uma grande variedade de exoplanetas, se alguns outros parâmetros planetários e estelares são conhecidos, incluindo a massa do exoplaneta e a sua temperatura de equilíbrio. Para as centenas de planetas descobertos com o método da velocidade radial, nós agora podemos prever o seu raio. Nós podemos entender se esses exoplanetas são mundos potencialmente rochosos.
Até agora, só a massa de um exoplaneta tem sido usada para prever o seu raio, mas a equipe está trabalhando em mudar esse paradigma, incorporando outros parâmetros estelares e planetários para fortalecer suas previsões.
Esse trabalho integra diferentes especialidades, um conhecimento profundo sobre exoplanetas, sua detecção e a sua caracterização e análises estatísticas avançadas para detectar sistemas. Os pesquisadores falaram que utilizaram basicamente, o mesmo ferramental matemático que agora é usado para desenvolver os carros autônomos.
Fonte:
