Astrónomos, com o apoio de uma ferramenta de IA potente, vasculharam enormes volumes de dados do Hubble, da NASA, e identificaram mais de 1.300 anomalias cósmicas - sendo que mais de 800 são novidades para a ciência.
O estudo, assinado por David O'Ryan e Pablo Gomez, da ESA (Agência Espacial Europeia), foi publicado na revista Astronomy and Astrophysics.
"Observações de arquivo do Telescópio Espacial Hubble agora remontam a 35 anos, oferecendo um tesouro de dados no qual anomalias astrofísicas podem ser encontradas", afirma O'Ryan.
Por que anomalias astrofísicas importam
Anomalias astrofísicas são relevantes porque, muitas vezes, aparecem como pontos fora da curva que revelam facetas diferentes da natureza. Um cientista experiente pode estar atento a esse tipo de pista e, em alguns casos, reconhecê-la com relativa facilidade.
O problema é a escala: os nossos telescópios produzem dados em quantidade grande demais para serem analisados apenas por pessoas. O JWST, por exemplo, acrescenta cerca de 57 GB de dados por dia, dependendo das observações programadas.
A situação vai além disso. O Observatório Vera Rubin, equipado com a maior câmara digital já construída, deve ultrapassar esse ritmo com folga. Ele vai gerar cerca de 20 terabytes de dados brutos por noite e exige uma infraestrutura especial apenas para lidar com esse volume.
Com novos instrumentos poderosos, como o Giant Magellan Telescope e o Extremely Large Telescope, prestes a entrar em operação, a massa de dados astronómicos que precisa de escrutínio científico está a crescer até virar um dilúvio.
Tudo isso inevitavelmente contém surpresas escondidas. A tecnologia avançou mais rápido do que a capacidade do cérebro humano de processar tanta informação. Ao mesmo tempo, a IA está a aproximar-se da capacidade da astronomia de produzir dados em escala massiva.
"Arquivos astronómicos contêm vastas quantidades de dados inexplorados que potencialmente abrigam fenómenos cósmicos raros e cientificamente valiosos", escrevem os autores.
"Aproveitamos novos métodos semissupervisionados para extrair tais objetos do Hubble Legacy Archive."
AnomalyMatch no Hubble Legacy Archive: como a busca funcionou
Para fazer a triagem, os investigadores aplicaram uma estrutura de deteção de anomalias desenvolvida recentemente, chamada AnomalyMatch, a quase 100 milhões de recortes de imagem do Hubble Legacy Archive - um repositório com registos que voltam a cerca de 35 anos.
O AnomalyMatch é uma rede neural, ou seja, uma ferramenta de aprendizagem de máquina inspirada no funcionamento do cérebro humano.
"O AnomalyMatch foi concebido para aplicações em grande escala, processando com eficiência previsões para ≈100 milhões de imagens em três dias numa única GPU", escreveram os autores num artigo anterior que apresentou a ferramenta.
Na prática, o AnomalyMatch levou apenas 2 a 3 dias para processar esse volume - uma fração do tempo que seria necessário com análise humana. E foi a primeira vez que o Hubble Legacy Archive passou por uma procura tão sistemática por anomalias.
O sistema devolveu uma lista de prováveis ocorrências fora do padrão. Essa lista continha quase 1.400 objetos anómalos, um total muito mais viável de ser avaliado por especialistas.
O que apareceu: 1.300 anomalias, 417 fusões e 86 lentes
O'Ryan e Gomez analisaram manualmente esses 1.400 objetos e concluíram que 1.300 eram, de facto, anomalias. Mais de 800 delas nunca tinham sido documentadas.
Entre os tipos de anomalia, as galáxias em fusão e em interação foram as mais frequentes no arquivo: 417 casos.
A equipa também identificou 86 novas potenciais lentes gravitacionais. Elas são importantes porque tornam observáveis objetos que, de outra forma, estariam distantes demais.
Além disso, essas lentes ajudam a investigar a distribuição de matéria escura no Universo, a medir distâncias e a expansão cósmica e a testar a relatividade geral.
"Identificamos muitas lentes gravitacionais que já estão identificadas na literatura - mas muitos candidatos a novas lentes", escrevem os autores.
O arquivo continha outras anomalias também. O AnomalyMatch encontrou objetos raros, como as galáxias-medusa (jellyfish galaxies). Elas aparecem em aglomerados de galáxias, onde a pressão dinâmica (ram pressure) remove gás da galáxia, deixando uma cauda longa iluminada por formação estelar. Foram 35 encontradas no arquivo.
A pesquisa ainda revelou algumas anomalias de natureza incerta. Uma delas é particularmente estranha: uma galáxia com um núcleo em espiral e lóbulos abertos.
Vasculhar enormes depósitos de dados astronómicos é uma tarefa ideal para a IA, com pouca probabilidade de ser reproduzida por mentes humanas na mesma escala.
Além das anomalias mencionadas, os autores também localizaram galáxias sobrepostas, galáxias grumosas, galáxias em anel e até galáxias de alto desvio para o vermelho (high-redshift) tão próximas do limite de deteção que se tornam difíceis de distinguir. Eles também encontraram galáxias com jatos e galáxias que hospedam AGN.
Mesmo que todas as observações astronómicas parassem amanhã, as descobertas não cessariam. Ferramentas de IA cada vez mais capazes tendem a tornar-se mais poderosas, e os grandes conjuntos de dados já existentes do Hubble e de outras missões, como a Gaia, da ESA, funcionam como terreno fértil para as ferramentas do futuro.
Quem sabe o que ainda está à espera de ser descoberto em todo esse material?
"Esta é uma demonstração poderosa de como a IA pode aumentar o retorno científico de conjuntos de dados de arquivo", disse Gómez.
"A descoberta de tantas anomalias antes não documentadas em dados do Hubble destaca o potencial da ferramenta para levantamentos futuros."
Este artigo foi publicado originalmente pelo Universe Today. Leia o artigo original.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário