Cuando un planeta pasa frente a su estrella, la luz atraviesa su atmósfera y absorbe el sabor de los gases. Cada gas deja en la luz su huella de color — un trazo amargo o dulce. Los científicos intentan leer esta receta: qué sustancias y en qué proporciones se mezclan en el aire de un mundo extraño. Las computadoras antiguas probaban millones de combinaciones a ciegas, como un cocinero que degusta un plato con los ojos vendados.

La red neuronal Exoformer actúa como un catador experimentado. Rápidamente sugiere los ingredientes principales y sus proporciones. Entrenada con miles de “platos” simulados — atmósferas modelo de planetas gigantes alrededor de otras estrellas — es de 3 a 8 veces más rápida que los métodos anteriores, sin perder precisión. Es sorprendente que el entrenamiento con recetas artificiales haya bastado para un funcionamiento impecable con datos reales.

La validación con datos reales del telescopio JWST para los mundos WASP-39b y WASP-17b confirmó que Exoformer obtiene las mismas composiciones que los cálculos prolongados. El enfoque híbrido abre el camino a un análisis rápido de la avalancha de huellas luminosas de los nuevos telescopios y, quizás, acerca el momento en que encontremos una atmósfera apta para respirar.