IA detecta centenas de anomalias cósmicas em imagens do Hubble

Cientistas usaram a IA para analisar dados de arquivo do Hubble, detectando cerca de 1.400 objetos incomuns, sendo mais de 800 inéditos
Flavia Correia
Flavia Correia 28/01/2026 14:01, atualizada em 29/01/2026 21:52

Um estudo publicado na revista Astronomy & Astrophysics descreve a descoberta de fenômenos cósmicos raros em imagens do Telescópio Espacial Hubble, identificados com a ajuda de Inteligência Artificial (IA).

Continua após a publicidade

Os cientistas analisaram quase 100 milhões de pequenos recortes de dados do arquivo do Hubble, cada um com apenas algumas dezenas de pixels de lado. Em apenas dois dias e meio, eles encontraram em torno de 1.400 objetos incomuns, sendo mais de 800 totalmente inéditos.

Telescópio Hubble
Representação artística do Hubble. Crédito: Rawpixel.com/Shutterstock – Imagem: Rawpixel.com/Shutterstock

Em resumo:

  • IA analisa milhões de imagens do Hubble em tempo recorde;
  • Das cerca de 1.400 anomalias identificadas, mais de 800 são inéditas;
  • Achados incluem fusões galácticas, lentes gravitacionais e estruturas exóticas;
  • Rede neural AnomalyMatch supera limites da revisão humana e da ciência cidadã;
  • Estudo confirma valor da IA para descobertas astronômicas futuras.

Rede neural detectou objetos sem classificação definida

A maior parte das anomalias são galáxias em fusão ou interação, que apresentam formas irregulares e fluxos alongados de estrelas e gás. Outras descobertas incluem lentes gravitacionais, um fenômeno por meio do qual a gravidade de uma galáxia muito massiva deforma o espaço ao redor e faz com que a luz de outra galáxia, mais distante, seja desviada. O efeito pode criar arcos ou anéis luminosos nas imagens.

Também foram identificadas galáxias com intensa formação estelar, galáxias em formato de água-viva com “tentáculos” gasosos e discos de formação planetária vistos de perfil, lembrando hambúrgueres.

Algumas dezenas de objetos surpreenderam os pesquisadores por não se encaixarem em nenhuma classificação conhecida. Encontrar e catalogar esse tipo de objeto é um grande desafio, já que o Hubble e outros telescópios acumularam volumes de dados sem precedentes na astronomia. Revisar essas imagens manualmente seria impossível, mesmo com o apoio da ciência cidadã.

Uma das anomalias detectadas pelo Hubble que não se encaixam em nenhuma categoria de objetos astronômicos. Crédito: ESA/Hubble e NASA, D. O’Ryan, P. Gómez (Agência Espacial Europeia), M. Zamani (ESA/Hubble)

Para lidar com o desafio, os pesquisadores David O’Ryan e Pablo Gómez, da Agência Espacial Europea (ESA), desenvolveram o AnomalyMatch, uma rede neural capaz de analisar milhões de imagens em muito menos tempo que humanos. A IA foi treinada para reconhecer padrões incomuns, imitando a forma como o cérebro processa informações visuais. Em um comunicado, O’Ryan destacou que o arquivo do Hubble reúne 35 anos de observações, oferecendo oportunidades únicas para encontrar anomalias escondidas.

Leia mais:

IA permitiu primeira busca sistemática por anomalias no arquivo Hubble

Antes, imagens anômalas eram descobertas por sorte ou revisão manual. Embora a ciência cidadã tenha ajudado a ampliar a análise, ela ainda não consegue lidar com arquivos tão extensos quanto os do Hubble ou do futuro telescópio Euclid. O AnomalyMatch permitiu a primeira busca sistemática por anomalias em todo o arquivo do Hubble, sinalizando os candidatos mais promissores.

Depois da análise da IA, a equipe revisou manualmente as melhores detecções, confirmando mais de 1.300 anomalias reais. Gómez comentou que o estudo mostra como a inteligência artificial pode aumentar significativamente o retorno científico de arquivos astronômicos, abrindo caminho para novas descobertas em dados antigos e futuros.

Flavia Correia
Flavia Correia

Flávia Correia é jornalista do Olhar Digital, cobrindo Ciência e Espaço.

Gostou? Compartilhe! Ajude mais pessoas a ficarem informadas.
Prefira o OD no Google
Ícone Whatsapp Ícone Whatsapp Ícone Instagram Ícone Facebook Ícone Linkedin Ícone Telegram Ícone Email