La creación de una herramienta de inteligencia artificial que permite, con gran precisión, capturar datos sobre exoplanetas, contribuyendo a la misión de la Agencia Espacial Europea, le valió al investigador Luís Simões la victoria en el Ariel Machine Learning Data Challenge.
El premio llegó después de que Luís Simões mejorara su capacidad para detectar exoplanetas, al capturar la luz emitida por una estrella, con un algoritmo de alta precisión.
El desafío fue lanzado por la Agencia Espacial Europea (ESA) para asegurar las condiciones necesarias para el estudio de exoplanetas (planetas que orbitan alrededor de una estrella, pero que no pertenecen al sistema solar) en la misión Ariel, que será lanzada en 2029. ..
Para el investigador portugués, que «participa periódicamente en concursos de ‘machine learning’ por el espacio», este concurso tenía la ventaja de desarrollar su «capacidad para afrontar problemas y aplicar diferentes algoritmos», así como para mantenerse «al corriente de los desarrollos en inteligencia». .
Al desafío que consideró «excelente, en cuanto a su relevancia y complejidad», respondió creando una solución con un margen de error promedio de 0,00007.
“El problema específico, la detección de exoplanetas, se realiza por diferentes enfoques, pero el que más éxito ha tenido es el estudio de las curvas de luz, por tanto, la luz que nos llega de una estrella y cuando un planeta, en su órbita, pasa al frente, la forma que toma esta curva nos dice mucho sobre el planeta ”, explicó Luis Simões a Lusa.
Este método ya se ha utilizado «para identificar miles de exoplanetas», admite, «pero esta misión tiene un objetivo muy ambicioso», que consiste en «comprender la composición química de las atmósferas de estos planetas».
“Esto solo será posible con herramientas que hoy no existen, de ahí el interés, hace 10 años, de comenzar a estudiar y desafiar a la comunidad”, agregó Luís Simões.
La solución a la que llegó no aportó ningún dato nuevo, pero Luís Simões creó un “modelo prácticamente sin errores (…), un modelo muy preciso”.
Esta precisión es importante, porque «la cuestión de deducir la composición química de la atmósfera es un procesamiento posterior de estos datos que dará el algoritmo».
«Ahí ya está entrando en otros campos de la astrofísica, pero el punto es que, si en esta etapa de la cadena de interpretación de datos se hace una mala interpretación, entonces los siguientes pasos serán malinterpretados sobre las características reales del planeta», dijo.
Para lograrlo, este algoritmo se programa «automáticamente, en base a los datos de entrenamiento».
Para ello, el equipo al frente de la misión de la ESA «ha creado datos sintéticos, a través de simuladores, que reproducen, de la forma más fiel posible en ese momento, cuáles serán los datos futuros que la misión será. Recoger».
Estos datos se han corrompido «por los tipos de corrupción de datos que se producirán durante la misión, debido a las fluctuaciones térmicas, debido a todo el desafío de medir a cientos de años luz de distancia cuántos fotones provienen de diferentes fuentes», pero sabiendo qué Fueron los datos iniciales, fue posible evaluar el nivel de precisión de las soluciones presentadas.
«Estamos a años de distancia, aún no es el modelo definitivo, pero ya es un paso considerable para alcanzar los niveles de precisión que la misión desea tener», dijo el investigador.
Luís Simões comenzó a trabajar en la aplicación de la inteligencia artificial a problemas espaciales, después de producir “sistemas para Airbus y la ESA para controlar el aterrizaje de barcos en otros planetas”.
En 2008, con la crisis, se trasladó a Holanda, donde empezó a colaborar con la ESA.
Regresó a Portugal en 2018, donde, con su esposa, creó la empresa ML Analytics.
«Explorador apasionado. Aficionado al alcohol. Fanático de Twitter. Webaholic galardonado. Aficionado a la comida. Geek de la cultura pop. Organizador».
