Fotografare un esopianeta tramite imaging diretto è un’impresa paragonabile al tentativo di individuare una lucciola posata sul riflettore di un faro acceso. L’enorme differenza di luminosità tra la stella madre e il pianeta rende difficile l’individuazione del secondo, la cui luce viene sopraffatta e nascosta dalla Point Spread Function (PSF) stellare, un pattern di diffrazione causato dall’ottica del telescopio. I telescopi spaziali come il James Webb Space Telescope (JWST) utilizzano coronografi per schermare la luce stellare, ma questo non basta: la PSF residua e le micro-instabilità del telescopio rendono i pianeti invisibili agli algoritmi tradizionali, come KLIP, che necessitano di più immagini di riferimento senza pianeti per sottrarre la luce stellare.
Un gruppo di astrofisici della Northwestern University ha sviluppato una nuova tecnica computazionale per l’imaging diretto degli esopianeti, chiamata FLIP (Physics-based Learning for Imaging Planets). Questa tecnologia sfrutta modelli ottici differenziabili e algoritmi di machine learning per modellare ed eliminare con precisione chirurgica l’abbagliante bagliore prodotto dalle stelle madri, incrementando di 15 volte la sensibilità di rilevamento rispetto ai metodi convenzionali. La tecnica è stata testata con successo su dati simulati e su immagini reali del JWST, mostrando una capacità senza precedenti di rivelare pianeti invisibili ai metodi tradizionali. Lo studio, guidato da Rodrigo Ferrer-Chavez e pubblicato il 4 novembre 2026 su Nature, è il frutto della collaborazione con il California Institute of Technology, il Massachusetts Institute of Technology e lo Space Telescope Science Institute.