Classificar objetos astronômicos não é algo tão simples. Com fontes a distâncias quase inimagináveis, é muito comum os pesquisadores não conseguirem distinguir corpos entre estrelas, galáxias, quasares ou supernovas, por exemplo. Para ajudar a resolver esse problema, cientistas desenvolveram um algoritmo de Inteligência Artificial capaz de determinar a natureza das fontes cósmicas.
“O problema de classificar objetos celestes é muito desafiador, em termos de números e da complexidade do universo, e a Inteligência Artificial é uma ferramenta muito promissora para esse tipo de tarefa”, disse Andrew Humphrey, pesquisadora do Instituto de Astrofísica e Ciências Espaciais e da Universidade do Porto, em Portugal.
Ela foi orientadora de Mestrado e é conselheira de Doutorado de Pedro Cunha, pesquisador nas mesmas instituições e criador do algoritmo de aprendizagem de máquina batizado de SHEEP, cujo estudo foi descrito em um artigo publicado na revista Astronomy & Astrophysics.
SHEEP é um pipeline supervisionado de aprendizagem de máquina que estima desvios fotométricos e usa essas informações quando posteriormente classifica as fontes como uma galáxia, quasar ou estrela. “A informação fotométrica é a mais fácil de obter e, portanto, é muito importante fazer uma primeira análise sobre a natureza das fontes observadas”, diz Cunha.
Em software, um pipeline consiste em uma cadeia de elementos de processamento – processos, etapas, funções – dispostos de modo que a saída de cada elemento seja a entrada do próximo.
“Um novo passo em nosso pipeline é que antes de realizar a classificação, o SHEEP primeiro estima os desvios fotométricos, que são então colocados no conjunto de dados como um recurso adicional para o treinamento do modelo de classificação”, explicou o autor.
Inteligência Artificial foi treinada em um mapa 3D do universo
Segundo a equipe, a inclusão do desvio vermelho e das coordenadas dos objetos permitiu que a IA os entendesse dentro de um mapa 3D do universo, e eles usaram isso juntamente com informações coloridas para fazer melhores estimativas das propriedades de origem.
Por exemplo, SHEEP aprendeu que há uma maior chance de encontrar estrelas mais próximas do plano da Via Láctea do que nos polos galácticos. “Quando permitimos que a IA tivesse uma visão 3D do universo, isso realmente melhorou sua capacidade de tomar decisões precisas sobre o que cada objeto celeste era”, disse Humphrey.
Conforme destaca o site Phys, pesquisas de áreas largas, tanto baseadas no solo quanto no espaço, como o Sloan Digital Sky Survey (SDSS), produziram grandes volumes de dados, revolucionando o campo da astronomia.
Pesquisas futuras, com base em dados do Observatório Vera C. Rubin, do Instrumento Espectroscópico de Energia Escura (DESI), da missão espacial europeia Euclid ou do Telescópio Espacial James Webb continuarão a nos dar imagens mais detalhadas.
No entanto, analisar todos os dados usando métodos tradicionais pode ser demorado. A IA será crucial para analisar e fazer o melhor uso científico desses novos dados.
“Uma das partes mais emocionantes é ver como o aprendizado de máquina está nos ajudando a entender melhor o universo”, declarou Cunha. “Nossa metodologia nos mostra um caminho possível, enquanto novos são criados ao longo do processo. É um momento emocionante para a astronomia”.
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
Fonte: Olhar Digital
Comentários