Sabemos que existen sistemas planetarios, como nuestro sistema solar, en otras regiones de la galaxia. Ahora piensa en lo siguiente. De todas las formas posibles en que los planetas pueden orbitar, ¿cuántas configuraciones permanecerán estables durante los siguientes miles de millones de años que vivirá su estrella?

Responder a esta pregunta no es tarea fácil. Afortunadamente, un equipo de científicos tuvo la genial idea de utilizar el aprendizaje automático. De esta manera, se planea entrenar un modelo que sea capaz de evaluar la estabilidad en sistemas de varios planetas durante largos periodos de tiempo.

Los resultados del estudio fueron publicados en Proceedings of the National Academy of Sciences. También están disponibles en ArXiv.org

Sistemas estables e inestables

Para asegurarse de que un sistema planetario es estable, los astrónomos necesitan tomar en cuenta una gran cantidad de variables. Entre ellos el movimiento múltiple de los planetas interactuando por miles de millones de años y la estabilidad de cada configuración que haga eso posible.

«Separar las configuraciones estables de las inestables resulta ser un problema fascinante y brutalmente difícil», sostuvo Daniel Tamayo, autor principal del estudio. Incluso con ayuda de supercomputadoras, los astrónomos modernos se tomarían bastante tiempo para hacer los cálculos correspondientes.

Pensando en una salida más eficiente para solucionar este problema, Tamayo se dio cuenta que podía aplicar métodos de aprendizaje automático. De esta manera, los cálculos, que para un astrónomo moderno hubiesen tomado decenas de miles de horas, pueden hacerse en minutos.

Evaluando la estabilidad

Para muchos sistemas planetarios, hay muchas maneras de configurar las órbitas de sus planetas. Esto no quiere decir que todos serán estables. Muchas configuraciones teóricamente posibles terminarán por desestabilizarse al cabo de unos pocos millones de años.

En ese sentido, el objetivo era descartar aquellos sistemas planetarios que se desestabilizarían rápidamente.

«No podemos decir categóricamente ‘Este sistema estará bien, pero ese explotará pronto'», dijo Tamayo. El objetivo entonces es que, para un sistema dado, se descarten todas las posibilidades inestables que conduzcan a que este sistema no perdure hasta la actualidad. 

Aprendizaje automático

La principal ventaja del modelo de aprendizaje automático es que reduce el tiempo que tomarían estos cálculos. Con el método tradicional, se tendría que simular una configuración para mil millones de órbitas, algo que tomaría 10 horas aproximadamente.

Con el método de Tamayo, solo se necesita correr una simulación para 10.000 órbitas, algo que toma una fracción de segundo. Esto es suficiente para entrenar al modelo que luego podrá predecir si una configuración permanecerá estable o no, por los siguientes mil millones de años.

«Llamamos al modelo SPOCK (Estabilidad de Clasificador Orbital de Configuraciones Planetarias) en parte porque el modelo determina si los sistemas ‘vivirán y prosperarán'», expresó Tamayo, quien también es miembro del Hubble Fellowship Program de la NASA.

SPOCK determina la estabilidad a largo plazo de las configuraciones planetarias aproximadamente 100,000 veces más rápido que el enfoque anterior.

«Este nuevo método proporcionará una ventana más clara a las arquitecturas orbitales de los sistemas planetarios más allá del nuestro», concluyó Tamayo.