Milhares de exoplanetas ainda podem ser descobertos pela humanidade, mas alguns deles são extremamente complicados de serem encontrados. Para isso, pesquisadores sugeriram combinar máquinas e a ciência cidadã para trabalharem juntas.
À medida que os dados acerca da observação do espaço cresce, fica cada vez mais difícil deles serem analisados por equipes pequenas de pesquisadores. Para isso geralmente se recorre a complexos algoritmos e aprendizado de máquina, no entanto eles não podem substituir a habilidade humana de facilmente reconhecer padrões.
Mas combinar as habilidade da máquina e do cérebro humano para suprir os defeitos de cada um, pode ser a chave para esse problema.
Leia mais:
- Planeta potencialmente habitável foi descoberto “perto” da Terra
- Estrela próxima agora tem dois exoplanetas do tamanho da Terra em sua zona habitável
- Veja quatro exoplanetas dançando em torno de uma estrela a mais de 130 anos-luz da Terra
Ciência cidadã e algoritmo
A ciência cidadã é uma ciência que usa a participação de milhares de cidadãos para gerar e analisar grandes quantidades de dados e outras coisas. Os cientistas combinaram ela a dados do Transiting Exoplanet Survey Satellite ( TESS ) da NASA.
Um algoritmo de aprendizado de máquina foi utilizado a fim de usar as informações dos cientistas cidadãos para identificar exoplanetas a partir dos dados do satélite.
O algoritmo usado é conhecido como rede neural convolucional. Ele usa imagens e informações identificadas corretamente pelos humanos, dados de treinamento, e aprende como fazer o mesmo com recursos importantes em dados que ele nunca viu antes.
No entanto, para conseguir uma boa identificação de exoplanetas é necessário muitos dados de treinamento, o que os pesquisadores conseguiram graças a utilização da ciência cidadã. Cidadãos de todo mundo ajudaram pesquisando e identificando trânsito de exoplanetas através do Planet Hunters TESS no Zooniverse.
A tarefa de encontrar exoplanetas é muito complicada, o método utilizado por satélite, como o TESS, é o de trânsito, que avalia quedas de luz regulares de estrelas que representam a passagem de um objeto entre os sóis e observadores. Mas os planetas são pontos minúsculos quando comparados com as gigantes eles orbitam.
Mas esses satélites geralmente não são tão estáveis, assim como as estrelas não brilham perfeitamente sempre, o que dificulta a observação do trânsito dos exoplanetas. Além disso, alguns planetas demoram mais tempo para completar uma órbita e o período de queda de luz não é visto pela janela de observação do Tess.
Com a ciência cidadã, somos particularmente bons em identificar planetas de longo período, que são os planetas que tendem a ser perdidos por buscas automatizadas de trânsito
Nora Eisner, coautora da pesquisa, em resposta ao Space.com.
Os pesquisadores acreditam que a técnica de combinar algoritmos de aprendizado de máquina com ciência cidadã pode ser muito útil e ir além de encontrar exoplanetas.
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
Tags: