RedaccionInvestigadores de la Universidad de Leiden en los Países Bajos han demostrado que algunos asteroides que se consideran inofensivos pueden colisionar con la Tierra en el futuro. Publican sus resultados en la revista Astronomy & Astrophysics.
Han desarrollado una red neuronal artificial (RNA) llamada “Identificador de objetos peligrosos” (HOI) que es capaz de predecir si un asteroide, por muy lejano que esté en la actualidad, está en curso de colisionar con nuestro planeta.
Las RNAs son un campo muy importante dentro de la Inteligencia Artificial. Se inspiran en el cerebro humano (principalmente en sus neuronas y sinapsis) para crear modelos informáticos que solucionen problemas emulando la biología cerebral.
La red neuronal desarrollada en esta investigación ha integrado las órbitas del Sol y sus planetas y sus recorridos en los próximos 10.000 años. Luego invirtió la flecha del tiempo para ver lo que ocurría en esa trayectoria temporal regresiva.
En ese retroceso en el tiempo, incluyeron en las simulaciones asteroides identificados hasta el momento y sus distribuciones orbitales, para conocer si en algún momento de ese largo periodo de tiempo podrían colisionar con la Tierra.
Incluso simularon colisiones con nuestro planeta de algunos de esos asteroides en algún momento de la escala temporal, para ver si, retrocediendo el tiempo, su trayectoria coincidía con la posición que tienen en la actualidad.
Biblioteca de asteroides
De esta forma consiguieron establecer una biblioteca de asteroides que en algún momento de su recorrido espacial pueden colisionar con la Tierra.
Esa biblioteca de escenarios fue la que instruyó a la red neuronal artificial para buscar patrones similares entre los asteroides reales que eventualmente podrían colisionar con nuestro planeta.
La red neuronal así instruida analizó las trayectorias de 2.000 asteroides identificados por la NASA para determinar si en algún momento podrían colisionar con la Tierra. La investigación se centró en objetos situados a una distancia máxima de 7,5 millones de kilómetros.
En primer lugar, la red neuronal identificó por sí misma el 90,99% de los objetos potencialmente peligrosos asumidos por la NASA. También pudo identificar los asteroides que en la simulación habían colisionado con nuestro planeta, con una precisión del 92,25%.
11 más a la lista
En tercer lugar, y lo más importante, la IA identificó también al menos 11 asteroides reales, potencialmente peligrosos, que la NASA no ha incluido en la lista de los aproximadamente 800 reconocidos como tales.
Esos nuevos asteroides peligrosos tienen más de 100 metros de diámetro, una masa suficiente para generar en nuestro planeta un impacto similar al de cientos de armas nucleares.
Según sus cálculos, estos once asteroides se acercarán a la Tierra entre 2131 y 2923, a una distancia equivalente en diez veces la que existe entre nuestro planeta y la Luna.
El hecho de que estos asteroides no hayan sido identificados previamente como potencialmente peligrosos se debe a que sus órbitas son muy caóticas.
Por este motivo, las simulaciones informáticas anteriores, que se basan en cálculos de probabilidades, no los han tenido en cuenta.
Primer paso
Según Simon Portegies Zwart, uno de los autores de este trabajo, la nueva investigación es solo un primer paso que puede aumentar la precisión en el cálculo de riesgos potenciales para nuestro planeta.
Sabiendo que el método funciona, Zwart quiere mejorar la red neuronal y añadirle todavía más información para hacer más precisos los cálculos orbitales.
La esperanza de los creadores de esta red neuronal artificial es que se pueda generalizar su uso para detectar objetos potencialmente peligrosos.
Consideran que su método es mucho más certero y rápido que los actuales sistemas espaciales para el cálculo de órbitas potencialmente peligrosas: cuanto antes se descubra una trayectoria de colisión, más tiempo tendremos para prevenir el impacto.
Referencia
Identifying Earth-impacting asteroids using an artificial neural network. John D. Hefele et al. Astronomy & Astrophysics, Volume 634, February 2020, Article Number A45. DOI:https://doi.org/10.1051/0004-6361/201935983
Hacer un comentario