A classificação de objetos celestes é um problema antigo. Com fontes a distâncias quase incríveis, os pesquisadores às vezes lutam para distinguir objetos como estrelas, galáxias, quasares ou supernovas. Investigadores do Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha e Andrew Humphrey tentaram resolver o problema clássico criando o SHEEP, um algoritmo de aprendizado de máquina que determina a natureza das fontes astronômicas. Andrew Humphrey (IA e Universidade do Porto, Portugal) comenta: “O problema de classificar objetos celestes é muito difícil em termos de número e complexidade do universo, e a inteligência artificial é uma ferramenta muito promissora para tais tarefas”.
O SHEEP é um pipeline de aprendizado de máquina supervisionado que estima desvios para o vermelho fotométricos e usa essas informações para classificar as fontes como galáxias, quasares ou estrelas. Antes de realizar a classificação, o SHEEP primeiro estima os redshifts fotométricos, que são então inseridos no conjunto de dados como um recurso adicional para treinar o modelo de classificação.
A equipe descobriu que incluir o redshift e as coordenadas dos objetos permitiu que a inteligência artificial (IA) os identificasse em um mapa XNUMXD do universo, e eles usaram isso junto com informações de cores para estimar melhor as propriedades da fonte. Por exemplo, a IA aprendeu que a probabilidade de encontrar estrelas mais próximas do plano da Via Láctea é maior do que nos pólos galácticos. Humphrey acrescentou: “Quando permitimos que a IA obtivesse uma visão tridimensional do universo, ela realmente melhorou sua capacidade de tomar decisões precisas sobre o que exatamente é um objeto celestial”.
Levantamentos em larga escala, tanto terrestres quanto espaciais, como o Sloan Digital Sky Survey (SDSS), produziram grandes quantidades de dados, revolucionando o campo da astronomia. Estudos futuros do Observatório Vera K. Rubin, do Instrumento Espectroscópico de Energia Escura (DESI), da missão espacial Euclid (ESA) ou do Telescópio Espacial James Webb (NASA/ESA) continuarão a fornecer informações e imagens mais detalhadas. No entanto, analisar todos os dados usando métodos tradicionais pode ser demorado. A IA ou aprendizado de máquina será fundamental para analisar e fazer o melhor uso científico desses novos dados.
Pedro Cunha diz: “Uma das partes mais emocionantes é ver como o aprendizado de máquina nos ajuda a entender melhor o universo. Nossa metodologia nos mostra um caminho possível, ao mesmo tempo em que cria novos no processo. Este é um momento excepcional para a astronomia."
Estudos de imagem e espectroscópicos são um dos principais recursos para a compreensão dos conteúdos visíveis do universo. Os dados dessas revisões nos permitem realizar estudos estatísticos de estrelas, quasares e galáxias, bem como descobrir objetos mais incomuns.
Você pode ajudar a Ucrânia a lutar contra os invasores russos. A melhor maneira de fazer isso é doar fundos para as Forças Armadas da Ucrânia através Salva vida ou através da página oficial NBU.
Leia também: