Dũng Virgo
Một phát hiện đáng chú ý trong lĩnh vực thiên văn học bắt đầu từ một người không sở hữu kính viễn vọng và cũng không được đào tạo chuyên sâu về thiên văn. Trong khoảng hai tuần, Pavel Rabtsevich, quản lý sản phẩm 28 tuổi sống tại Tây Ban Nha, đã dùng các công cụ AI để rà soát dữ liệu của hơn 126.000 ngôi sao.
Kết quả là một tín hiệu giảm độ sáng lặp lại quanh ngôi sao TIC 4206066. Dữ liệu hiện có cho thấy tín hiệu này có thể liên quan đến một hành tinh chưa từng được ghi nhận. Tuy nhiên, đây mới chỉ là ứng viên hành tinh, chưa phải một phát hiện đã được xác nhận.
Từ dữ liệu TESS đến tín hiệu bất thường
Rabtsevich bắt đầu với dữ liệu công khai do TESS cung cấp. Đây là kính viễn vọng không gian được NASA phóng vào năm 2018 nhằm tìm kiếm các hành tinh ngoài Hệ Mặt Trời. Phương pháp chính của TESS là theo dõi độ sáng của các ngôi sao theo thời gian.
Khi một hành tinh đi qua phía trước ngôi sao chủ theo hướng quan sát từ Trái Đất, nó có thể che khuất một phần ánh sáng. Hiện tượng này làm độ sáng của ngôi sao giảm nhẹ trong một khoảng thời gian nhất định. Nếu mức giảm lặp lại theo chu kỳ ổn định, các nhà nghiên cứu có thể xem đó là dấu hiệu để tiếp tục kiểm tra giả thuyết về một hành tinh quay quanh ngôi sao.
Trong quá trình rà soát dữ liệu, Rabtsevich chú ý đến TIC 4206066, ngôi sao nằm cách Trái Đất khoảng 116 năm ánh sáng. Độ sáng của ngôi sao giảm khoảng 0,05% trong gần hai giờ và hiện tượng này lặp lại sau mỗi 3,18 ngày.
Tín hiệu được nhìn thấy trong dữ liệu quan sát vào cuối năm 2025. Để tránh kết luận vội vàng, Rabtsevich kiểm tra lại các lần quan sát trước đó. Ông phát hiện mô hình tương tự cũng xuất hiện trong dữ liệu từ năm 2020 và năm 2018. Việc tín hiệu được ghi nhận qua nhiều đợt quan sát độc lập khiến giả thuyết về một hành tinh trở nên đáng chú ý hơn.
Claude AI được dùng như thế nào?
Khối lượng dữ liệu thiên văn rất lớn, trong khi việc tìm kiếm những thay đổi nhỏ về độ sáng đòi hỏi nhiều bước xử lý. Rabtsevich sử dụng Claude Code cùng Codex và Jev để hỗ trợ tải dữ liệu TESS, viết chương trình, tìm tín hiệu, tính toán quỹ đạo và kiểm tra các nguyên nhân có thể tạo ra kết quả dương tính giả.
Điểm đáng chú ý là ông không chỉ đưa dữ liệu cho AI rồi hỏi liệu mình đã tìm thấy hành tinh hay chưa. Rabtsevich tự xác định những phép thử cần thực hiện, xem xét mức độ đáng tin cậy của kết quả và liên tục yêu cầu kiểm tra lại các kết luận. Ông cũng sử dụng những phiên làm việc độc lập để rà soát phân tích, thay vì phụ thuộc hoàn toàn vào câu trả lời đầu tiên của một mô hình.
Trong khoảng hai tuần, quá trình nghiên cứu tạo ra 74 lượt phân tích và hơn 1.000 tập lệnh. Con số này cho thấy AI có thể rút ngắn đáng kể thời gian xử lý dữ liệu, nhưng cũng cho thấy vai trò của con người vẫn rất quan trọng trong việc thiết kế quy trình và đánh giá kết quả.
Phép thử che giấu dữ liệu giúp kiểm tra dự đoán
Một trong những cách kiểm chứng đáng chú ý là phép thử dự đoán ngoài mẫu. Rabtsevich tạm thời che giấu dữ liệu của một năm, sau đó dùng dữ liệu của hai năm còn lại để tính toán quỹ đạo và dự đoán thời điểm ngôi sao sẽ giảm độ sáng trong năm bị bỏ đi.
Ông lặp lại quy trình theo cả ba hướng, lần lượt dùng dữ liệu của từng năm làm phần bị che giấu. Các dự đoán đều khớp với thời điểm tín hiệu thực tế xuất hiện. Kết quả này giúp củng cố giả thuyết rằng tín hiệu có tính lặp lại, thay vì chỉ là một nhiễu ngẫu nhiên xuất hiện trong một lần quan sát.
Dù vậy, quá trình kiểm tra cũng bộc lộ một sai sót. Một nhận định thống kê trong báo cáo ban đầu bị đánh giá là mạnh hơn mức dữ liệu cho phép. Sau khi phát hiện vấn đề, Rabtsevich loại bỏ nhận định đó và thực hiện lại phần phân tích liên quan.
Việc sửa kết luận không làm tín hiệu chính biến mất. Mô hình giảm độ sáng theo chu kỳ 3,18 ngày vẫn còn trong dữ liệu. Đây cũng là điểm quan trọng của nghiên cứu: một phân tích đáng tin cậy không phải là phân tích không có sai sót, mà là quy trình có thể phát hiện và sửa sai một cách minh bạch.
Ứng viên có thể là hành tinh nóng cỡ 1,4 lần Trái Đất
Rabtsevich đã đối chiếu kết quả với 36 danh mục và nguồn tài liệu khoa học, đồng thời kiểm tra 340.505 cảnh báo do các hệ thống tự động tìm kiếm hành tinh của TESS tạo ra. Ông cho biết chưa tìm thấy báo cáo trước đó về tín hiệu quanh TIC 4206066.
Dựa trên dữ liệu hiện có, ứng viên này có kích thước ước tính khoảng 1,4 lần Trái Đất. Nếu giả thuyết được xác nhận, nó có thể hoàn thành một vòng quanh ngôi sao chủ trong hơn ba ngày. Chu kỳ quỹ đạo ngắn đồng nghĩa với việc hành tinh nằm rất gần ngôi sao và có khả năng sở hữu nhiệt độ bề mặt khoảng 1.000 độ F, tương đương mức đủ nóng để làm tan chảy chì.
Một tín hiệu khác với chu kỳ 11,13 ngày cũng được phát hiện quanh ngôi sao. Tuy nhiên, bằng chứng cho khả năng tồn tại của hành tinh thứ hai còn yếu. Rabtsevich tách riêng giả thuyết này và không gộp nó với ứng viên chính.
NASA sẽ kiểm tra bằng dữ liệu quan sát mới
Phát hiện trên chưa thể được xem là một hành tinh mới đã xác nhận. Các biến động về độ sáng có thể xuất phát từ nhiều nguyên nhân khác, trong đó có hoạt động của chính ngôi sao hoặc một hệ sao đôi. Vì vậy, các nhà thiên văn cần loại trừ những khả năng này trước khi công bố kết luận cuối cùng.
Bước kiểm chứng tiếp theo dự kiến diễn ra trong đợt quan sát TESS từ ngày 31/10 đến 26/11/2026. Đề xuất theo dõi TIC 4206066 với chu kỳ ghi nhận độ sáng hai phút đã được chấp thuận.
Trước khi dữ liệu mới được thu thập, Rabtsevich đã công bố những thời điểm cụ thể mà tín hiệu giảm sáng phải xuất hiện nếu giả thuyết về hành tinh là chính xác. Cách làm này tạo ra một dự đoán có thể kiểm tra độc lập.
- Nếu ngôi sao giảm độ sáng đúng vào các thời điểm dự kiến, bằng chứng ủng hộ giả thuyết sẽ mạnh hơn.
- Nếu tín hiệu không xuất hiện, kết quả sẽ chống lại giả thuyết ban đầu.
- Dữ liệu mới giúp đánh giá lại toàn bộ mô hình thay vì chỉ dựa vào các tín hiệu đã quan sát trong quá khứ.
Việc công bố dự đoán trước khi có dữ liệu cũng hạn chế khả năng điều chỉnh âm thầm kết luận sau khi kết quả xuất hiện. Đây là một nguyên tắc quan trọng trong nghiên cứu khoa học, đặc biệt khi AI tham gia vào nhiều bước phân tích.
AI mở rộng cơ hội nghiên cứu nhưng không thay thế khoa học
Trường hợp của Rabtsevich cho thấy AI có thể giúp một cá nhân tiếp cận những bộ dữ liệu vốn thường được xử lý bởi các nhóm nghiên cứu lớn. Các mô hình ngôn ngữ có thể hỗ trợ viết mã, tự động hóa thao tác lặp lại, sắp xếp dữ liệu và gợi ý những phép kiểm tra phù hợp.
NASA cũng đã triển khai mô hình AI để tìm kiếm ứng viên hành tinh trong dữ liệu TESS, với khoảng 7.000 ứng viên được xác định. Khi số lượng quan sát ngày càng tăng, những công cụ tự động sẽ đóng vai trò quan trọng trong việc lọc tín hiệu và ưu tiên các mục tiêu cần quan sát sâu hơn.
Tuy nhiên, AI không thể tự biến một tín hiệu bất thường thành một khám phá khoa học. Mô hình có thể viết mã sai, diễn giải quá mức hoặc đưa ra nhận định thống kê không phù hợp với dữ liệu. Vì vậy, người sử dụng phải kiểm tra mã nguồn, thiết kế phép thử độc lập và sẵn sàng loại bỏ những kết luận không đủ cơ sở.
Với TIC 4206066, câu trả lời cuối cùng phụ thuộc vào dữ liệu TESS thu thập trong đợt quan sát sắp tới. Nếu các lần giảm sáng tiếp tục xuất hiện đúng chu kỳ và các nguyên nhân thay thế bị loại trừ, ứng viên này sẽ có cơ hội trở thành một phát hiện được xác nhận. Còn ở thời điểm hiện tại, giá trị lớn nhất của câu chuyện nằm ở cách AI giúp con người sàng lọc dữ liệu nhanh hơn mà vẫn giữ quy trình kiểm chứng khoa học làm trung tâm.
AI tạo hàng trăm kết quả toán học: Con người sẽ kiểm chứng ra sao?
Cảnh báo AI có thể đe dọa nhân loại trước năm 2030
Vì sao tua-bin gió gần như luôn dùng 3 cánh quạt?
Bill Gates từng nói gì về thuế tài sản và 200 tỷ USD từ thiện?
Nga phát triển hợp kim có thể tự lấp đầy vết nứt
1 in 8 Billion: Khi AI mô phỏng cuộc đời không thể tự chọn
Tử tù Tennessee tỉnh lại sau sự cố tiêm thuốc độc
