Lo que Netflix puede enseñar a la NASA sobre buscar exoplanetas por el universo

Ahora que ya estamos en Navidad, viene bien hablar de serendepias, "un descubrimiento o un hallazgo afortunado e inesperado que se produce cuando se está buscando otra cosa distinta". En este caso, un hallazgo astrofísico que se produce mientras buscábamos la segunda temporada de Narcos.

En realidad, hablamos de machine learning. Un herramienta muy poderosa que al final usamos para recomendarnos películas, clasificar spam o identificar desnudos en Facebook. Pero no hay por qué: precisamente los algoritmos que se usan contra el spam o en la recomendación de contenidos están siendo usados por los investigadores para identificar exoplanetas estables hasta "mil veces más rápido que con los métodos tradicionales".

Buscar exoplanetas en un pajar

Aunque la sabiduría popular aún no lo haya reconocido, buscar exoplanetas en el espacio es bastante más difícil que buscar una aguja en un pajar. De hecho, no sólo basta con encontrar masas o elementos orbitales: un requisito básico de los sistemas planetarios es que sean dinámicamente estables.

Para calcular eso, hasta ahora, se requería llevar a cabo una serie de simulaciones computacionales bastante largas y complejas. Ahora un equipo de la Universidad de Toronto ha publicado un artículo en el que demuestran que las técnicas de aprendizaje automático pueden ayudar a resolver este problema más rápido y con una precisión similar.

Inspirados por los algoritmos que usa Netflix en sus sistema de recomendación o los que usa Google en su filtro anti-spam, Dan Tamayo y su equipo del Centre for Planetary Science han entrenado un algoritmo basado en XGBoost para clasificar los planetas por su estabilidad. Y se está estudiando usarlo en el análisis de los datos de la Transiting Exoplanet Survey Satellite (TESS) de la NASA que arranca el año que viene.

Mirar soluciones fuera para resolver problemas dentro

Según explican en La Universidad de Toronto, el trabajo el resultado de una serie de talleres en los que, inspirados por las aplicaciones más comunes como las que hemos comentado, trataban de resolver problemas científicos con las técnicas de aprendizaje automático e inteligencia artificial. "Lo que fue alentador es que este tipo de actividades han dado lugar a una herramienta que no sólo es precisa sino que funciona mucho más rápido", decía Tamayo, un científico español que se trasladó a Michigan con su familia a los 12 años.

Quizás esto es lo más interesante del nuevo algoritmo. El hecho de romper algo que pasa demasiado a menudo: que la comunidad científica y las comunidades de desarrollo viven de espaldas la una a la otra. No deja de ser curioso que herramientas tan accesibles como las que usan en este trabajo, den tan buenos resultados y no se hayan utilizado antes. Pero, en fin, nunca es tarde si el resultado es bueno.

Vía | EurekAlert