Il programma che cerca Terre senza vederle
Trovare un pianeta simile alla Terra richiede anni di osservazioni e molta fortuna. Un gruppo di ricerca ha scelto una strada indiretta: dare prima un punteggio ai sistemi planetari, poi decidere a quali stelle dedicare tempo di osservazione.
Trovare un pianeta simile alla Terra, piccolo e con una temperatura compatibile con acqua liquida in superficie, è una delle richieste più costose che si possano fare a un telescopio. Anche se pianeti del genere fossero comuni, resterebbero piccoli, abbastanza lontani dalla stella da girarle intorno lentamente, e quindi difficili da cogliere al momento giusto. Se passi davanti alla tua stella una volta all’anno, chi ti osserva deve aspettare anni solo per capire che esisti.
Il paper di Davoult, Eltschinger e Alibert, pubblicato su Astronomy & Astrophysics, parte da questa frustrazione. Le prossime missioni pensate per questo lavoro, come PLAnetary Transits and Oscillations of stars (PLATO), un telescopio spaziale europeo dedicato ai transiti planetari e alle oscillazioni stellari, e il progetto Large Interferometer For Exoplanets (LIFE), una futura rete di telescopi spaziali per osservare pianeti direttamente nell’infrarosso, potranno puntare a lungo solo su un numero limitato di stelle. Ogni stella osservata a lungo è una scommessa.
Allora gli autori hanno chiesto a un programma di fare da bookmaker. Qui non c’è una fotografia di una seconda Terra. Il compito è indiretto: guarda i pianeti che conosciamo già in un sistema, la loro massa, la loro distanza dalla stella, il modo in cui sono disposti, e prova a dire se lì potrebbe nascondersi un pianeta simile alla Terra.
L’idea è elegante perché usa l’architettura del sistema planetario come indizio. È rischiosa perché il programma impara su sistemi finti.
La famiglia dice qualcosa del pianeta mancante
Nel paper, pianeta simile alla Terra indica una cosa misurabile più che una promessa di abitabilità: un pianeta roccioso con massa tra 0,5 e 3 masse terrestri, in una zona temperata della sua stella, cioè con una temperatura di equilibrio tra 160 e 510 kelvin. È una definizione larga, più larga della zona abitabile classica. Gli autori scrivono che allargare la zona aumenta il numero di sistemi positivi e riduce lo sbilanciamento dei dati, cosa utile per il modello.
Gli astronomi conoscono quasi 5 000 sistemi planetari, secondo il conteggio usato dagli autori a luglio 2024. Ma con quella definizione, solo 24 sistemi ospitano almeno un pianeta simile alla Terra. Lo 0,5 per cento. Troppo pochi per addestrare qualunque modello di apprendimento automatico, cioè un programma che impara regolarità dagli esempi.
Qui entra il modello di Berna, una simulazione di formazione planetaria che costruisce sistemi completi partendo da dischi di gas e polvere attorno a stelle giovani. In ogni sistema sintetico, tutto è noto: anche i pianeti che nella realtà sarebbero troppo piccoli, troppo freddi o troppo lenti per essere scoperti. È come avere un catalogo completo di famiglie planetarie, compresi i membri che un telescopio reale non riuscirebbe a vedere.
Gli autori hanno usato tre popolazioni di sistemi sintetici: 24 365 attorno a stelle simili al Sole, 14 559 attorno a stelle con metà massa solare, 14 958 attorno a stelle con un quinto della massa solare. Poi hanno fatto una cosa necessaria: hanno finto di osservare quei sistemi con i limiti dei nostri strumenti. I pianeti troppo deboli da rilevare spariscono dal catalogo. Restano solo quelli che, in una ricerca reale, avremmo una possibilità di vedere.
Questo passaggio è il cuore del lavoro. Nella realtà osserviamo la versione mutilata della verità: pochi pianeti visibili, molti pianeti nascosti, e la domanda se tra quelli nascosti ce ne sia uno simile alla Terra. Il catalogo di addestramento deve partire dalla stessa incompletezza.
Il segnale sta nell’architettura
La parola “architettura” sembra decorativa, ma qui è concreta. Descrive come sono disposti i pianeti in un sistema: quanti se ne vedono, quanto sono massicci, se le masse crescono o calano andando verso l’esterno, se c’è un pianeta gigante, se il pianeta visibile più interno è piccolo o grande.
Un sistema planetario ha una storia condivisa. I pianeti nascono nello stesso disco e si influenzano a vicenda mentre migrano, si urtano, rubano gas, svuotano regioni del disco o vengono espulsi. Per questo la presenza di un pianeta può dire qualcosa sugli altri. È un indizio.
Il programma usato dagli autori è una random forest, una “foresta” di 500 piccoli classificatori chiamati alberi decisionali. Ogni albero guarda alcuni dati e vota sì o no: secondo lui il sistema ospita un pianeta simile alla Terra oppure no. La risposta finale dipende dalla maggioranza, ma gli autori chiedono una maggioranza più larga: 70, 80 o 90 per cento dei voti. Se 9 alberi su 10 votano sì, la previsione è più affidabile, ma il prezzo è che molti sistemi buoni vengono scartati.
Così il modello diventa un filtro: pochi bersagli, scelti solo quando il voto degli alberi è netto. Quando il tempo di osservazione è poco, un falso positivo costa caro: osservi per anni una stella che non aveva nulla da offrire. Un falso negativo è diverso. Magari perdi un buon bersaglio, ma nel cielo i bersagli possibili sono tanti. Se devi scegliere, preferisci una lista corta e pulita.
Il programma impara da poche proprietà osservabili. La più informativa è l’architettura del sistema. Poi vengono la massa e il periodo del pianeta visibile più interno, dove “periodo” significa il tempo che impiega a fare un giro attorno alla stella. Nel modello di Berna, i sistemi con una Terra hanno spesso pochi pianeti rilevabili, per lo più piccoli. Quando il catalogo visibile contiene molti pianeti, soprattutto massicci o giganti, assomiglia di più ai sistemi senza Terra del modello.
Il segnale è una traccia della storia di formazione. Un sistema dominato da pianeti piccoli può aver lasciato spazio a un pianeta terrestre temperato. Un sistema con giganti o con pianeti molto ravvicinati può aver avuto migrazioni più violente, abbastanza da svuotare o disturbare la zona dove una Terra potrebbe sopravvivere.
Il test facile era quello finto
Sui sistemi sintetici, il programma va molto bene. Con la soglia di voto al 90 per cento, la precisione arriva fino a 0,99. In pratica, tra i sistemi che il programma etichetta come positivi, quasi tutti contengono davvero almeno un pianeta simile alla Terra.
Ma qui bisogna leggere il numero senza farsi ipnotizzare. Quel 0,99 vale dentro il mondo del modello di Berna. I sistemi di addestramento e quelli di test sono diversi, quindi il programma viene provato su esempi nuovi. Restano esempi nati dalla stessa fisica simulata, con gli stessi compromessi e gli stessi difetti. È un esame serio, ma sostenuto nella stessa scuola in cui il programma ha studiato.
Il passaggio ai sistemi reali è più delicato. Gli autori prendono 1 567 sistemi osservati, tutti con almeno un pianeta noto e con le informazioni minime necessarie: massa del pianeta, distanza o periodo orbitale, massa della stella. Il programma assegna a ciascuno un voto. 51 sistemi superano la soglia del 90 per cento. Tolti i sistemi binari, perché il modello di Berna usato qui simula stelle singole e le stelle doppie complicano la zona temperata, ne restano 44.
44 indirizzi dove cercare una Terra nascosta.
La lista ha nomi familiari a chi segue gli esopianeti: Kepler 22, LHS 1140, GJ 357, GJ 581, Teegarden’s star, Wolf 1061. È un indizio sulla disposizione dei pianeti: secondo una regolarità imparata da sistemi sintetici, l’architettura visibile di quei sistemi assomiglia a quella dei sistemi che nel modello contengono una Terra.
Gli autori fanno anche un controllo dinamico semplice: se aggiungessimo un pianeta simile alla Terra nella zona prevista, il sistema resterebbe stabile oppure verrebbe distrutto dalle orbite dei pianeti già noti? La risposta è quasi sempre rassicurante. Il 95,5 per cento dei 44 sistemi resterebbe stabile con un pianeta aggiunto. Due casi fanno eccezione o richiedono più cautela: HIP 41378 tra le stelle simili al Sole e GJ 273 tra le nane rosse più piccole, stelle fredde e poco massicce.
Il programma ha imparato un modello del cielo o del simulatore?
La domanda vera arriva solo adesso. Se il programma indovina su sistemi sintetici e seleziona 44 sistemi reali plausibili, cosa ha imparato?
La risposta onesta è scomoda: ha imparato il modello di Berna. Se il modello di Berna riproduce bene le architetture dei sistemi reali, allora la lista dei 44 è preziosa. Se invece il modello sbaglia proprio le correlazioni che contano, la lista diventa un test del simulatore più che una guida alla caccia di pianeti.
Gli autori lo dicono con chiarezza. Le popolazioni sintetiche del modello di Berna assomigliano ai sistemi reali su alcune proprietà di insieme: relazioni tra pianeti interni e giganti esterni, distribuzioni di massa e somiglianze tra pianeti vicini. Restano copie imperfette del cielo. Producono troppi pianeti per sistema, almeno 1,7 volte più di quanto indicano le osservazioni. Tendono a mettere pianeti troppo vicini alla stella. Hanno troppe configurazioni in risonanza, cioè orbite in cui i periodi dei pianeti stanno in rapporti semplici come 2 a 1 o 3 a 2.
Qui il paper cambia natura. Il programma diventa un ponte tra una simulazione e il cielo reale. Se un telescopio futuro cercasse nei 44 sistemi e trovasse pianeti simili alla Terra, sarebbe un successo osservativo e un punto a favore del modello di Berna. Se invece non trovasse nulla, anche quello avrebbe valore: vorrebbe dire che il simulatore ha imparato una grammatica planetaria diversa da quella del cielo.
La previsione del modello diventa anche un test della teoria che sta dietro il simulatore.
Quando l’assenza diventa un dato
La parte più bella del paper è che il fallimento sarebbe utile. In molte applicazioni dell’intelligenza artificiale, un falso positivo è solo spazzatura: il programma ha detto sì, la realtà ha detto no, fine. Qui una mancata scoperta avrebbe valore scientifico, perché costringerebbe a chiedersi quale correlazione fosse falsa.
Forse i sistemi con pochi pianeti visibili sono meno favorevoli di quanto sembrino nel modello. Forse i giganti disturbano meno, o di più, di quanto la simulazione suggerisce. Forse la soglia osservativa usata per imitare i nostri strumenti è troppo semplice: gli autori trattano la rilevabilità soprattutto come un problema di velocità radiale, cioè del piccolo movimento che un pianeta induce nella sua stella, ma nella realtà contano anche attività stellare, frequenza delle osservazioni, inclinazione dell’orbita, altri pianeti già presenti.
Questi limiti fanno parte del risultato. Una lista di 44 sistemi è un esperimento da fare.
Questo lo distingue da molti lavori in cui l’apprendimento automatico viene presentato come scorciatoia. Qui la scorciatoia è condizionata da un’ipotesi pesante: che i mondi sintetici siano abbastanza simili ai mondi veri. La precisione di 0,99 non risolve il problema, perché misura quanto il programma capisce il proprio universo di addestramento. Il cielo deve ancora votare.
Eppure l’idea resta potente. Cercare pianeti simili alla Terra alla cieca è lento. Cercarli solo dove un modello dice “qui c’è spazio, qui la famiglia planetaria assomiglia a quelle giuste, qui un pianeta aggiunto resterebbe stabile” è una strategia più intelligente, anche se fragile. Il risultato più utile sarebbe capire, sistema per sistema, dove la teoria della formazione planetaria regge e dove si rompe.
Una seconda Terra, se c’è, non manda un segnale dicendo “sono qui”. Forse lascia solo un’impronta nella disposizione dei pianeti che siamo già riusciti a vedere. Il programma di Davoult e colleghi prova a leggere quell’impronta. Non sa ancora se sta leggendo il cielo o le abitudini del simulatore.
Riferimenti
Davoult, J., Eltschinger, R. e Alibert, Y. (2025), Earth-like planet predictor: A machine learning approach, A&A, 696, A94. DOI: 10.1051/0004-6361/202452434