Los científicos podrían haber detectado más de 10.000 exoplanetas nunca antes vistos en un solo estudio, lo que potencialmente triplicaría el número de mundos extraterrestres conocidos de una sola vez. Este hallazgo récord fue posible gracias a un nuevo algoritmo que ayudó a los investigadores a analizar más de 80 millones de estrellas, revelando pistas sutiles que de otro modo serían “imposibles” de detectar.
Desde que se descubrió el primer planeta alienígena en 1995, el número de exoplanetas descubiertos ha aumentado gradualmente gracias a las nuevas tecnologías, como el Telescopio Espacial James Webb, que están mejor equipadas para detectar estos extraños mundos extraterrestres. En septiembre de 2025, los astrónomos revelaron que el número de exoplanetas confirmados había superado los 6000, y desde entonces se han añadido casi 300 a la lista, según la NASA.
En un nuevo estudio publicado el 20 de abril en el servidor de preimpresiones arXiv, los investigadores informan haber descubierto la asombrosa cantidad de 11.554 candidatos a exoplanetas. Si todos se confirman, el número total de exoplanetas ascendería a casi 18.000, casi el triple del total actual. El estudio aún no ha sido revisado por pares.
Mediante un algoritmo de aprendizaje automático, el equipo analizó las curvas de luz de exactamente 83.717.159 estrellas capturadas por el Satélite de Sondeo de Exoplanetas en Tránsito (TESS) de la NASA, un telescopio espacial del tamaño de un automóvil que ha estado orbitando la Tierra desde 2018. Al buscar sutiles disminuciones en el brillo de las estrellas, los astrónomos pueden determinar cuándo es probable que un planeta haya pasado por delante de su estrella anfitriona, es decir, haya transitado por ella.
Esto reveló más de 11.000 candidatos a exoplanetas, de los cuales 10.052 nunca se habían observado antes. Otros científicos ya habían identificado el resto, pero aún no se han confirmado como exoplanetas. Alrededor del 87% de los candidatos fueron detectados transitando dos o más veces, lo que permitió a los investigadores calcular los períodos orbitales de los planetas, que oscilan entre 0,5 y 27 días, según StellarCatalog.com.
Pero los investigadores no se detuvieron ahí. Para comprobar la validez de su modelo, intentaron confirmar ellos mismos a uno de los nuevos candidatos.
Utilizando uno de los telescopios Magellan de 6,5 metros de diámetro en el desierto de Atacama, en Chile, el equipo identificó un exoplaneta tipo “Júpiter caliente”, denominado TIC 183374187 b, que orbita una estrella a unos 3.950 años luz de la Tierra, justo donde predijo el algoritmo.
La confirmación de TIC 183374187 b sugiere que al menos algunos de los otros candidatos a exoplanetas también terminarán confirmándose. Sin embargo, primero estos planetas deben ser verificados por estudios independientes y analizados con mayor detalle, lo cual puede llevar meses o incluso años.
Encontrar planetas “imposibles”
TESS fue diseñado específicamente para detectar objetos en tránsito, y ya ha descubierto 882 exoplanetas confirmados —aproximadamente el 14% del total actual—, por lo que puede parecer extraño que nadie haya visto la mayoría de los nuevos candidatos hasta ahora. Sin embargo, hay una buena razón para ello.
La mayoría de los investigadores priorizan el análisis de las curvas de luz de las estrellas más brillantes del conjunto de datos del TESS, ya que los tránsitos estelares son mucho más perceptibles y fáciles de confirmar. Sin embargo, existen muchas otras estrellas débiles que terminan siendo captadas en las fotografías de campo amplio del telescopio.
En el nuevo estudio, los investigadores analizaron todas las estrellas —hasta 16 magnitudes más tenues que el umbral normal para un estudio de tránsito— de la primera imagen de campo amplio de TESS. Los investigadores denominan a esta idea el proyecto T16.
La extrema tenue intensidad de estas curvas de luz dificulta enormemente la detección de posibles tránsitos, razón por la cual suelen pasar desapercibidos. Para superar este obstáculo, el equipo creó un algoritmo de aprendizaje automático que aprendió a distinguir indicios sutiles de que un tránsito podría haber ocurrido. El aprendizaje automático es un subconjunto de la inteligencia artificial en el que las computadoras aprenden de los datos para realizar predicciones, en lugar de ser programadas explícitamente. Según informó Universe Today, un programa informático también permitió al equipo analizar el enorme conjunto de datos, que sería “imposible” que los humanos lo revisaran por sí solos.
“Este trabajo demuestra que las búsquedas de tránsito a gran escala, asistidas por aprendizaje automático, pueden ampliar significativamente el censo de candidatos a planetas en tránsito, particularmente alrededor de estrellas débiles”, escribieron los investigadores en el artículo.
Lamentablemente, los breves períodos orbitales de los exoplanetas candidatos sugieren que probablemente se encuentran demasiado cerca de sus estrellas de origen como para albergar vida tal como la conocemos. Esto se debe a que los planetas más distantes orbitan sus estrellas con menos frecuencia y es menos probable que se alineen con un observador para un tránsito.
Fuente: Live Science.