Avanço na ciência dos exoplanetas: 44 novos candidatos a mundos semelhantes à Terra

Uma equipe de pesquisa da Universidade de Berna e do Centro Nacional de Competência em Pesquisa PlanetS alcançou um marco significativo na busca por planetas habitáveis. Conforme anunciado em 9 de abril de 2025, a equipe desenvolveu um modelo de aprendizado de máquina capaz de identificar sistemas planetários com probabilidade de conter exoplanetas semelhantes à Terra com notável precisão. Essa descoberta não apenas avança a busca por mundos potencialmente habitáveis, mas também marca um passo promissor em direção à descoberta de vida extraterrestre.

O modelo de IA foi desenvolvido sob a orientação da Dra. Jeanne Davoult como parte de sua pesquisa de doutorado na Universidade de Berna, com o apoio do Prof. Dr. Yann Alibert e Romain Eltschinger do Center for Space and Habitability (CSH). Ele foi treinado com dados sintéticos gerados pelo renomado "Bern Model of Planet Formation and Evolution", que simula os processos físicos subjacentes à formação de sistemas planetários. O resultado é impressionante: com uma precisão relatada de 99%, o modelo identificou com sucesso sistemas com alta probabilidade de conter pelo menos um planeta semelhante à Terra.

Aplicação no mundo real a sistemas planetários

Após o treinamento, o modelo foi aplicado a dados observacionais reais e identificou 44 sistemas planetários que poderiam abrigar planetas semelhantes à Terra até então desconhecidos. Essas descobertas são particularmente importantes para as próximas missões espaciais, como a PLATO da ESA da ESA e o projeto proposto LIFE da ESA, ambas com o objetivo de detectar e caracterizar mundos semelhantes à Terra.

O PLATO (PLAnetary Transits and Oscillations of stars), com lançamento previsto para 2026, usará o método de trânsito e a asterossismologia para detectar exoplanetas potencialmente habitáveis, com foco naqueles que orbitam estrelas semelhantes ao Sol. Os candidatos mais promissores identificados pelo PLATO formarão a base para futuras missões, como o LIFE (Large Interferometer For Exoplanets), que tem como objetivo analisar as atmosferas de planetas distantes usando espectroscopia infravermelha e interferometria de anulação para procurar bioassinaturas como água ou metano. O novo modelo de aprendizado de máquina poderia desempenhar um papel fundamental na pré-seleção dos alvos mais promissores, aumentando assim a eficiência e a taxa de sucesso dessas missões.