Processo automatizado com inteligência artificial que detectou explosão cósmica deve acelerar a análise de novos casos e evitar erros
Um novo sistema foi capaz de identificar e classificar, pela primeira vez, uma supernova — evento astronômico que consiste na explosão de uma estrela — sem intervenção humana. A ferramenta, que inclui inteligência artificial, foi desenvolvida pela Universidade Northwestern, nos Estados Unidos, e recebeu o nome de Bright Transient Survey Bot (BTSbot).
O processo inédito automatiza a busca por supernovas removendo a intermediação de humanos. Anunciada na semana passada, a novidade deve acelerar o processo de análise e classificação de explosões cósmicas, além de evitar erros.
De acordo com a Universidade Northwestern, nos últimos seis anos, pesquisadores gastaram um total estimado de 2.200 horas inspecionando visualmente e classificando possíveis supernovas. Com o novo sistema, os especialistas poderão otimizar o tempo de estudos.
O estudo na prática: a otimização do tempo de trabalho
Líder do projeto, o professor do Departamento de Física e Astronomia da Universidade Northwestern, Adam Miller, explica que foi a primeira vez que robôs e algoritmos de I.A. observaram, identificaram e depois comunicaram-se com outro telescópio para confirmar a descoberta de uma supernova — chamada SN2023tyk. O pesquisador aponta que o BTSbot deve colaborar no desenvolvimento de novas hipóteses para explicar a origem das explosões cósmicas observadas.
“Isso agiliza significativamente os grandes estudos, ajudando-nos a compreender melhor os ciclos de vida das estrelas e a origem dos elementos criados pelas supernovas, como carbono, ferro e ouro.”, acrescentou Nabeel Rehemtulla, professor da Universidade Northwestern, que também liderou o desenvolvimento do sistema.
Atualmente, o processo de classificação necessita de intermediação de humanos após os telescópios detectarem possíveis supernovas. Com o novo sistema, a ideia é eliminar essa intervenção. Para desenvolver a ferramenta de I.A., os pesquisadores da universidade treinaram um algoritmo com mais de 1,4 milhão de imagens históricas de quase 16.000 fontes, incluindo supernovas confirmadas, estrelas em chamas temporárias e periodicamente variáveis, além de galáxias em chamas.
Por Marcos Moreira