Ortografía estelar: cómo ExoVeil lee los planetas omitidos ✦

Original: "One Transit Is All You Need: Detecting Exoplanets Through Learned Stellar Behaviour with EXOVEIL"

arXiv:2606.02778v3 · 2026-06-01 · CC BY 4.0 · ⏱ 1 min · Exoplanets Instrumentation Machine Learning

El algoritmo de aprendizaje automático ExoVeil encuentra exoplanetas a partir de un solo tránsito, dominando la «gramática» del brillo estelar y reaccionando ante cualquier anomalía.

Links in the knowledge graph 1

Un tránsito único de un exoplaneta es como una letra omitida en un libro extenso. ExoVeil aprende la gramática de la luz estelar, detectando las más mínimas 'erratas' en las curvas de luz. La estrella late como un corazón, y hasta la más ligera alteración del ritmo delata un planeta invisible. Gracias a este enfoque, la misión PLATO podrá encontrar gemelos de la Tierra, incluso si solo destellan una vez frente a su sol. Estamos empezando a leer el lenguaje de la Galaxia.

🎯 La primera versión del detector, basada en reglas manuales, mostró un AUC de 0.36, un resultado peor que el adivinamiento aleatorio (0.5). Los residuos de las binarias eclipsantes resultaron ser más profundos que los planetarios, y el algoritmo los consideró señales más fiables.

\delta = \left(\frac{R_p}{R_s}\right)^2

La profundidad del tránsito —la fracción de luz bloqueada por el planeta— viene dada por la razón de los cuadrados de los radios. Júpiter cubre el 1% del área del disco solar; la Tierra, solo el 0,008%.

\text{SNR} = \frac{\sum_i (r_i \cdot m_i) / \sigma_i^2}{\sqrt{\sum_i m_i^2 / \sigma_i^2}}

El filtro acoplado pondera los residuos de la predicción r_i con la plantilla del tránsito m_i y la inversa de la varianza del ruido. Las zonas tranquilas de la curva de luz reciben mayor peso, lo que aumenta la sensibilidad.

I am the author

Ortografía estelar: cómo ExoVeil lee los planetas omitidos ✦