Uma nova pesquisa da Universidade da Geórgia revela que a inteligência artificial pode ser usada para encontrar planetas fora do nosso sistema solar. O estudo recente demonstrou que o aprendizado de máquina pode ser usado para encontrar exoplanetas, informações que podem remodelar a forma como os cientistas detectam e identificam novos planetas muito distantes da Terra.
“Uma das coisas novas sobre isso é analisar ambientes onde os planetas ainda estão se formando”, disse Jason Terry, estudante de doutorado no departamento de física e astronomia da UGA Franklin College of Arts and Sciences e principal autor do estudo. “O aprendizado de máquina raramente foi aplicado ao tipo de dados que estamos usando antes, especificamente para observar sistemas que ainda estão formando planetas ativamente”.
O primeiro exoplaneta foi encontrado em 1992 e, embora se saiba que existem mais de 5.000, esses estão entre os mais fáceis de serem encontrados pelos cientistas. Os exoplanetas no estágio de formação são difíceis de ver por duas razões principais. Eles estão muito longe, muitas vezes a centenas de anos-luz da Terra, e os discos onde se formam são muito grossos, mais grossos que a distância da Terra ao Sol. Os dados sugerem que os planetas tendem a estar no meio desses discos, transmitindo uma assinatura de poeira e gases levantados pelo planeta.
A pesquisa mostrou que a inteligência artificial pode ajudar os cientistas a superar essas dificuldades.
“Esta é uma prova de conceito muito empolgante”, disse Cassandra Hall, professora assistente de astrofísica, investigadora principal do Grupo de Pesquisa de Exoplanetas e Formação de Planetas e coautora do estudo. “O poder aqui é que usamos dados de telescópios exclusivamente sintéticos gerados por simulações de computador para treinar essa IA e, em seguida, aplicamos a dados de telescópios reais. Isso nunca foi feito antes em nosso campo e abre caminho para um dilúvio de descobertas como Os dados do Telescópio James Webb chegam.”
O Telescópio Espacial James Webb, lançado pela NASA em 2021, inaugurou um novo nível de astronomia infravermelha, trazendo novas imagens impressionantes e resmas de dados para os cientistas analisarem. É apenas a mais recente iteração da busca da agência para encontrar exoplanetas, espalhados de forma desigual pela galáxia. O Nancy Grace Roman Observatory, um telescópio de pesquisa de 2,4 metros programado para ser lançado em 2027 que procurará energia escura e exoplanetas, será a próxima grande expansão em capacidade – e entrega de informações e dados – para vasculhar o universo em busca de vida.
O telescópio Webb fornece aos cientistas a capacidade de observar sistemas exoplanetários em uma resolução extremamente brilhante e alta, com os próprios ambientes formadores sendo um assunto de grande interesse, pois determinam o sistema solar resultante.
“O potencial para bons dados está explodindo, por isso é um momento muito emocionante para o campo”, disse Terry.
Novas ferramentas analíticas são essenciais
Ferramentas analíticas de última geração são necessárias com urgência para receber esses dados de alta qualidade, para que os cientistas possam gastar mais tempo em interpretações teóricas, em vez de vasculhar meticulosamente os dados e tentar encontrar pequenas assinaturas.
“De certa forma, meio que fizemos uma pessoa melhor”, disse Terry. “Em grande medida, a forma como analisamos esses dados é que você tem dezenas, centenas de imagens para um disco específico e você apenas olha e pergunta ‘isso é um movimento?’ em seguida, execute uma dúzia de simulações para ver se isso é um movimento e … é fácil ignorá-los – eles são muito pequenos e dependem da limpeza, e esse método é um, muito rápido, e dois, sua precisão obtém planetas que os humanos sentiriam falta.”
Terry diz que isso é o que o aprendizado de máquina já pode realizar – melhorar a capacidade humana para economizar tempo e dinheiro, além de orientar com eficiência o tempo científico, os investimentos e as novas propostas.
“Resta, dentro da ciência e particularmente da astronomia em geral, o ceticismo sobre o aprendizado de máquina e a IA, uma crítica válida de ser essa caixa preta – onde você tem centenas de milhões de parâmetros e de alguma forma obtém uma resposta. demonstramos fortemente neste trabalho que o aprendizado de máquina está à altura da tarefa. Você pode argumentar sobre a interpretação. Mas, neste caso, temos resultados muito concretos que demonstram o poder deste método.”
O trabalho da equipe de pesquisa é projetado para desenvolver uma base concreta para futuras aplicações em dados observacionais, demonstrando a eficácia do método usando observações simuladas.
Com informações de Science Daily.
