Cientistas usam inteligência artificial para criar mapa 3D hiperdetalhado de estrelas, galáxias e quasares

 


Uma equipe de astrônomos da Universidade do Havaí no Instituto de Astronomia de Mānoa (IfA, na sigla em inglês) produziu o catálogo de imagens astronômicas mais abrangente de estrelas, galáxias e quasares já criado com a ajuda de uma rede neural de inteligência artificial.

Com 2 petabytes de dados, a biblioteca tem o registro de 3 bilhões de objetos celestes em 2016, incluindo estrelas, galáxias e quasares (os núcleos ativos de buracos negros supermassivos). Um dos principais objetivos foi caracterizar melhor essas partículas distantes de luz e também mapear o arranjo das galáxias em todas as três dimensões.

Os resultados da pesquisa foram publicados nos Avisos Mensais da Royal Astronomical SocietyE você pode acessar o catálogo completo neste link.

Localizado no cume de Haleakalā na ilha de Maui, no Havaí, o telescópio Pan-STARRS1 (PS1) é capaz de escanear 75% do céu e atualmente hospeda a maior pesquisa ótica multicolorida profunda do mundo, de acordo com um comunicado de imprensa divulgado pela Universidade do Havaí. Em contraste, o Sloan Digital Sky Survey (SDSS) cobre apenas 25% do céu.

Para fornecer ao computador um quadro de referência e ensiná-lo a discernir classes celestes de objetos entre si, a equipe recorreu a medições espectroscópicas publicamente disponíveis. Robert Beck, principal autor do estudo e ex-pós-doutorado em cosmologia do IfA, explicou que essas medidas de cores e tamanhos de objetos somavam milhões.

“Utilizando um algoritmo de otimização de última geração, aproveitamos o conjunto de treinamento espectroscópico de quase 4 milhões de fontes de luz para ensinar a rede neural a prever tipos de fontes e distâncias de galáxias, ao mesmo tempo em que corrigimos a extinção de luz por poeira na Via Láctea”, disse Beck.

Essas sessões de treinamento funcionaram bem: a rede neural subsequente fez um ótimo trabalho quando encarregada de classificar os objetos, alcançando taxas de sucesso de 98,1% para galáxias, 97,8% para estrelas e 96,6% para quasares. O sistema também determinou as distâncias até as galáxias, que estavam erradas no máximo em cerca de 3%. Segundo a Universidade do Havaí, o trabalho resultante é “o maior catálogo de imagens astronômicas tridimensionais do mundo de estrelas, galáxias e quasares”.

“Este belo mapa do universo fornece um exemplo de como o poder do conjunto de big data do Pan-STARRS pode ser multiplicado com técnicas de inteligência artificial e observações complementares”, explicou Kenneth Chambers, coautor do estudo. “À medida que o Pan-STARRS coleta mais e mais dados, usaremos o aprendizado de máquina para extrair ainda mais informações sobre objetos próximos à Terra, nosso Sistema Solar, Galáxia e Universo”, completou.

O novo catálogo, que foi possível graças a uma bolsa da National Science Foundation, está publicamente disponível através do Mikulski Archive for Space Telescopes. O banco de dados tem 300 gigabytes de tamanho e pode ser acessado em vários formatos.

Esta pesquisa já rendeu algumas ciências interessantes, incluindo uma explicação para uma região bastante assustadora do espaço conhecida como Cold Spot (Ponto Frio). Usando o telescópio PS1 e também o satélite Wide Field Survey Explorer da NASA, os cientistas do Pan-STARRS avistaram um enorme supervoide – uma “vasta região de 1,8 bilhões de anos-luz de diâmetro, na qual a densidade de galáxias é muito menor do que o normal no universo conhecido” – é a mesma descrição feita pela Universidade do Havaí há cinco anos. É isso o que está causando o Ponto Frio, como pode ser visto na radiação cósmica de fundo.

O mapa atualizado também será usado para estudar a geometria geral do universo, para testar ainda mais nossas teorias sobre o modelo cosmológico padrão e para analisar galáxias antigas, entre muitos outros caminhos de pesquisa astronômica e cosmológica.

0 Comentários:

Postar um comentário