Usando uma ferramenta poderosa de IA, astrônomos vasculharam enormes volumes de dados do Hubble, da NASA, e encontraram mais de 1,300 anomalias cósmicas - sendo que mais de 800 são inéditas para a ciência.
O novo estudo, liderado 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 somam 35 anos, oferecendo um tesouro de dados no qual anomalias astrofísicas podem ser encontradas", afirma O'Ryan.
Anomalias astrofísicas importam porque podem ser pontos fora da curva que revelam um lado diferente da natureza. Um cientista bem treinado pode estar atento a esse tipo de sinal e, em alguns casos, identificá-lo sem grande dificuldade.
IA e o dilúvio de dados astronômicos
O problema é a escala: há dados demais chegando de nossa coleção cada vez mais potente de telescópios. O JWST, por exemplo, contribui com cerca de 57 GB de dados por dia, dependendo do tipo de observação programada.
O Observatório Vera Rubin, equipado com a maior câmera digital já construída, deve superar isso com folga. A estimativa é gerar por volta de 20 terabytes de dados brutos por noite, exigindo infraestrutura especial apenas para armazenar e manusear esse volume.
E, com novos instrumentos como o Giant Magellan Telescope e o Extremely Large Telescope prestes a entrar em operação, a quantidade de dados astronômicos que precisa passar por escrutínio científico cresce até virar uma enxurrada.
Nesse mar de informação, é praticamente certo que existam muitas surpresas escondidas. A tecnologia avançou mais rápido do que a capacidade de cérebros humanos processarem tudo. Ao mesmo tempo, a IA começa a alcançar - e a acompanhar - a capacidade da astronomia de produzir dados em massa.
"Arquivos astronômicos contêm enormes quantidades de dados inexplorados que potencialmente abrigam fenômenos cósmicos raros e valiosos do ponto de vista científico", escrevem os autores.
"Aproveitamos novos métodos semi-supervisionados para extrair esses objetos do Hubble Legacy Archive."
Como o AnomalyMatch vasculhou o Hubble Legacy Archive
Para o trabalho, os pesquisadores aplicaram uma estrutura de detecção de anomalias desenvolvida recentemente, chamada AnomalyMatch, para pesquisar rapidamente quase 100 milhões de recortes de imagens do Hubble Legacy Archive - um acervo com registros que remontam a cerca de 35 anos.
O AnomalyMatch é uma rede neural, isto é, uma ferramenta de aprendizado de máquina inspirada no funcionamento do cérebro humano.
"O AnomalyMatch é voltado para aplicações em grande escala, processando de forma eficiente previsões para ≈100 milhões de imagens em três dias em uma única GPU", escreveram os autores em um 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 mentes humanas levariam. E foi a primeira vez que o Hubble Legacy Archive passou por uma varredura tão sistemática em busca de anomalias.
A ferramenta produziu uma lista inicial de prováveis ocorrências fora do padrão. Esse conjunto reunia quase 1,400 objetos anômalos, um total muito mais administrável para avaliação humana.
O'Ryan e Gomez então revisaram manualmente esses 1,400 itens e concluíram que 1,300 eram, de fato, anomalias - e que mais de 800 nunca haviam sido documentadas.
O que apareceu nos dados: galáxias, lentes e casos raros
Entre os tipos de anomalia mais frequentes detectados no arquivo, o destaque ficou para galáxias em fusão ou em interação: foram 417 ocorrências.
O estudo também identificou 86 novas lentes gravitacionais potenciais. Elas são relevantes porque tornam observáveis objetos que, de outra forma, estariam distantes demais para serem vistos.
Além disso, ajudam cientistas a investigar a distribuição de matéria escura no Universo, medir distâncias e a expansão cósmica, e testar a relatividade geral.
"Identificamos muitas lentes gravitacionais que já estão registradas na literatura - mas também muitos candidatos a novas lentes", escrevem os autores.
Outras anomalias também apareceram no Hubble Legacy Archive. O AnomalyMatch localizou objetos raros, como as chamadas galáxias-medusa (jellyfish galaxies). Elas surgem em aglomerados de galáxias, onde a pressão de arrasto remove gás da galáxia, deixando uma longa cauda iluminada por formação estelar. No arquivo, foram encontradas 35.
Anomalias com natureza incerta
A pesquisa ainda revelou alguns casos cuja natureza permanece indefinida. Um deles chama a atenção: uma galáxia com um núcleo em redemoinho e lobos abertos.
Vasculhar grandes coleções de dados astronômicos é um trabalho perfeito para a IA - e pouco provável de ser replicado por mentes humanas nas mesmas condições.
Além dos exemplos citados, os pesquisadores também encontraram galáxias sobrepostas, galáxias grumosas, galáxias em anel e até galáxias de alto desvio para o vermelho tão próximas dos limites de detecção que se tornam difíceis de distinguir. Também apareceram galáxias com jatos e galáxias que hospedam AGN.
Mesmo que todas as observações astronômicas parassem amanhã, as descobertas não parariam. Ferramentas de IA cada vez mais capazes tendem a ganhar poder com o tempo. Conjuntos de dados já existentes - do Hubble e de outras missões, como a Gaia, da ESA - funcionam como terreno fértil para os próximos sistemas.
O que mais pode estar esperando para ser descoberto em tudo isso?
"Esta é uma demonstração poderosa de como a IA pode ampliar o retorno científico de conjuntos de dados de arquivo", disse Gómez.
"A descoberta de tantas anomalias antes não documentadas nos dados do Hubble reforça o potencial da ferramenta para futuras campanhas de levantamento."
Este artigo foi publicado originalmente pela Universe Today. Leia o artigo original.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário