Bonne nouvelle pour les amateurs d'espace et de chiffres : un système d'intelligence artificielle a aidé les astronomes à confirmer plus de cent exoplanètes en analysant les observations du satellite TESS de la NASA. Les résultats ont été publiés dans plusieurs articles de Monthly Notices of the Royal Astronomical Society par une équipe de l'université de Warwick.

Comment l'IA a travaillé

Le satellite TESS mesure les variations de luminosité des étoiles. Quand un objet passe devant une étoile, il provoque une petite baisse de lumière. Ces baisses peuvent venir d'une planète, mais aussi d'autres phénomènes. C'est là que l'outil d'IA nommé Raven est intervenu.

Les données analysées

  • Plus de 2,2 millions de courbes de lumière provenant des quatre premières années d'activité de TESS ont été examinées.
  • L'équipe s'est concentrée sur les planètes qui effectuent une orbite en moins de 16 jours, donc plutôt des mondes proches de leur étoile.

Ce que l'on a découvert

Le système Raven a permis de :

  • Valider 118 exoplanètes, confirmant ainsi leur existence.
  • Identifier plus de 2 000 candidats à l'exoplanète, dont environ 1 000 n'avaient pas été repérés auparavant.
  • Parmi les nouvelles découvertes, 31 objets n'avaient jamais été identifiés antérieurement.

Catégories d'intérêt

Les astronomes s'intéressent particulièrement à :

  • Les planètes orbitant en moins de 24 heures.
  • Les mondes situés dans le desert néptunien, une zone où l'on attend peu de planètes de type Neptune.
  • Les systèmes compacts où plusieurs planètes tournent sur des orbites proches de leur étoile.

Implications statistiques

De l'analyse des données ressortent aussi quelques chiffres intéressants sur la population planétaire :

  • Environ 10 % des étoiles semblables au Soleil abriteraient au moins une planète à orbite rapprochée.
  • Les planètes de type Neptune semblent beaucoup plus rares : elles se trouvent autour d'environ 0,08 % des étoiles similaires au Soleil selon cet échantillon.

Raven, plus qu'une simple liste

Raven n'est pas seulement un inventaire automatique. Les chercheurs ont entraîné des modèles d'apprentissage automatique pour reconnaître des motifs dans les courbes de lumière et distinguer si une baisse de luminosité est probablement due à une planète ou à une autre cause. Selon les responsables du projet, l'outil est suffisamment fiable pour servir de base à des études sur la distribution des différents types de planètes autour d'étoiles similaires au Soleil.

En résumé, l'intelligence artificielle a accéléré la validation et la découverte d'exoplanètes à partir des données de TESS, offrant un échantillon riche de mondes rapprochés à étudier pour comprendre la diversité des systèmes planétaires.