O ritmo da descoberta de exoplanetas agora excede a capacidade de triagem manual, tornando difícil a avaliação precoce de habitabilidade. Apresentamos um sistema orientado por dados que combina um modelo de pré-processamento com uma rede neural treinada em 5032 exoplanetas confirmados do Catálogo PHL Arecibo e do Arquivo de Exoplanetas da NASA. O modelo condensa mais de 30 variáveis astrofísicas, como fluxo e densidade estelar, em uma representação numérica compacta. O classificador atribui a cada planeta probabilidades em 3 categorias de habitabilidade: Não Habitável, Moderadamente Habitável ou Muito Habitável. No conjunto de teste independente (n = 613), o modelo alcançou uma pontuação F1 macro de 0,517 e uma precisão geral de 91%. Isso reduz o tempo de triagem de horas para segundos. Uma API leve conecta o modelo treinado, o pipeline de pré-processamento e as características, com previsões retornadas instantaneamente via upload de CSV ou entrada em formulário. Um front-end em React/WebGL renderiza modelos 3D interativos, mapas de calor e gráficos de probabilidade.
Anirudh et al. (Qua,) estudaram essa questão.