Una svolta nella scienza degli esopianeti: 44 nuovi candidati per mondi simili alla Terra

Un team di ricerca dell'Università di Berna e del Centro Nazionale di Competenza per la Ricerca PlanetS ha raggiunto una pietra miliare significativa nella ricerca di pianeti abitabili. Come annunciato il 9 aprile 2025, il team ha sviluppato un modello di apprendimento automatico in grado di individuare con notevole precisione i sistemi planetari che potrebbero contenere esopianeti simili alla Terra. Questa scoperta non solo fa avanzare la caccia ai mondi potenzialmente abitabili, ma segna anche un passo promettente verso la scoperta della vita extraterrestre.

Il modello AI è stato sviluppato sotto la guida della Dr.ssa Jeanne Davoult nell'ambito della sua ricerca di dottorato presso l'Università di Berna, con il supporto del Prof. Dr. Yann Alibert e di Romain Eltschinger del Center for Space and Habitability (CSH). È stato addestrato utilizzando i dati sintetici generati dal famoso "Bern Model of Planet Formation and Evolution", che simula i processi fisici alla base della formazione dei sistemi planetari. Il risultato è sorprendente: con un'accuratezza del 99%, il modello ha identificato con successo i sistemi che hanno un'alta probabilità di contenere almeno un pianeta simile alla Terra.

Applicazione nel mondo reale ai sistemi planetari

Dopo l'addestramento, il modello è stato applicato ai dati osservativi reali e ha identificato 44 sistemi planetari che potrebbero potenzialmente ospitare pianeti simili alla Terra precedentemente sconosciuti. Questi risultati sono particolarmente significativi per le prossime missioni spaziali come PLATO dell'ESA e il progetto LIFE che mirano entrambe a rilevare e caratterizzare i mondi simili alla Terra.

PLATO (PLAnetary Transits and Oscillations of stars), il cui lancio è previsto per il 2026, utilizzerà il metodo dei transiti e l'asterosismologia per individuare esopianeti potenzialmente abitabili, con particolare attenzione a quelli che orbitano attorno a stelle simili al Sole. I candidati più promettenti identificati da PLATO costituiranno la base per missioni future come LIFE (Large Interferometer For Exoplanets), che mira ad analizzare le atmosfere di pianeti lontani utilizzando la spettroscopia a infrarossi e l'interferometria di nulling per cercare biosignature come acqua o metano. Il nuovo modello di apprendimento automatico potrebbe svolgere un ruolo chiave nella preselezione degli obiettivi più promettenti, migliorando così l'efficienza e il tasso di successo di queste missioni.