Existência de mais 50 exoplanetas é confirmada contando com machine learning

Existência de mais 50 exoplanetas é confirmada contando com machine learning

Por Danielle Cassita | 25 de Agosto de 2020 às 22h30
ESA/Hubble/NASA

Cientistas da Universidade de Warwick e do Instituto Alan Turing conseguiram confirmar a existência de 50 exoplanetas em uma grande amostra de candidatos. Isso foi possível graças a técnicas de machine learning, usadas pela primeira vez com esta finalidade. Os resultados do estudo foram publicados na revista Monthly Notices of the Royal Astronomical Society.

O algoritmo usado pela equipe é capaz de diferenciar planetas reais de falsos em amostras de dados compostas por milhares de candidatos. Então, para treiná-lo para reconhecer planetas reais, os pesquisadores utilizaram amostras de planetas confirmados e de falsos positivos da missão do telescópio espacial Kepler. Depois, para colocá-lo em prática, o algoritmo foi utilizado em uma base de dados de candidatos ainda não confirmados, o que resultou nos cinquenta planetas confirmados. Até então, as técnicas do tipo só haviam selecionado os candidatos, mas ainda não haviam determinado sozinhas a probabilidade de um candidato ser realmente um planeta. Assim, ao confirmar que os cinquenta planetas são reais, os astrônomos vão poder priorizá-los em observações futuras.

Exoplanetas são planetas que orbitam outras estrelas além do Sol (Imagem: Reprodução/NASA/JPL-Caltech)

Esses cinquenta planetas vão desde mundos menores do que a Terra a mundos maiores que Netuno, com órbitas que também variam bastante. O Dr. David Armstrong, professor que atuou no estudo, explica que o algoritmo os permitiu selecionar cinquenta candidatos além do limite para a validação planetária, que foram promovidos a "planetas reais". "Esperamos aplicar essa técnica a amostras maiores de candidatos de missões atuais e futuras, como TESS e PLATO”, comenta. Armstrong ressalta que ninguém jamais utilizou técnicas de machine learning para probabilidades, algo necessário para validar um planeta. “Agora, podemos dar a probabilidade estatística real; mesmo que haja menos de 1% de chance de um candidato ser um falso positivo, ele ainda é um planeta validado”.

Quer ficar por dentro das melhores notícias de tecnologia do dia? Acesse e se inscreva no nosso novo canal no youtube, o Canaltech News. Todos os dias um resumo das principais notícias do mundo tech para você!

Geralmente, os exoplanetas são buscados através de quantidades enormes de dados obtidos com telescópios. Nestes, os astrônomos procuram o trânsito planetário, que indica que um planeta passou entre o telescópio e a estrela observada, tudo graças a uma pequena variação na luz dela. O problema é que esse não é um indício tão preciso, já que essa variação pode ser causada por outras interferências, além de erros na câmera. Por isso é necessário realizar a validação planetária, pois este é o momento de excluir possíveis falsos positivos.

Para Armstrong, as técnicas de machine learning permitem validar os planetas e priorizar candidatos mais rapidamente. Claro que eles precisaram de certo tempo para treinar o algoritmo, mas, depois que isso é feito, fica muito mais fácil utilizar a técnica para candidatos futuros. “Sistemas rápidos e automatizados como esse, que podem nos levar aos planetas validados em menos etapas, nos permitem fazer isso com eficiência”. Para a equipe, essa ferramenta deveria ser utilizada coletivamente para validar exoplanetas no futuro.

Fonte: Warwick

Gostou dessa matéria?

Inscreva seu email no Canaltech para receber atualizações diárias com as últimas notícias do mundo da tecnologia.