Cientistas do Tata Institute of Fundamental Research (TIFR), Mumbai, Índia e Instituto Indiano de Ciência e Tecnologia Espacial (IIST), Thiruvananthapuram, Índia, a saber, Prof. Sudip Bhattacharyya (TIFR) e Sr. Shivam Kumaran (IIST & SAC) , Prof. Samir Mandal e Prof. Deepak Mishra (IIST), identificaram a natureza de milhares de novos objetos cósmicos em comprimentos de onda de raios-X usando técnicas de machine learning. O machine learning é uma variante ou parte da inteligência artificial.
A astronomia está entrando em uma nova era, pois uma grande quantidade de dados astronômicos de milhões de objetos cósmicos estão se tornando disponíveis gratuitamente. Isso é resultado de grandes levantamentos e observações planejadas com observatórios astronômicos de alta qualidade e uma política aberta de acesso a dados. Desnecessário dizer que esses dados têm um grande potencial para muitas descobertas e novos entendimentos do universo.
No entanto, não é prático explorar os dados de todos esses objetos manualmente, e técnicas automatizadas de machine learning são essenciais para extrair informações desses dados. Mas a aplicação de tais técnicas a dados astronômicos ainda é muito limitada e está em estágio preliminar.
Nesse contexto, a equipe do TIFR-IIST aplicou técnicas de machine learning a centenas de milhares de objetos cósmicos observados em raios-X com o observatório espacial Chandra dos EUA. Isso demonstrou como um novo e atual progresso tecnológico poderia ajudar e revolucionar a pesquisa científica básica e fundamental.
A equipe aplicou essas técnicas a cerca de 277.000 objetos de raios-X, cuja natureza era desconhecida. Uma classificação da natureza de objetos desconhecidos é equivalente à descoberta de objetos de classes específicas. Assim, esta pesquisa levou a uma descoberta confiável de muitos milhares de objetos cósmicos de classes, como buracos negros, estrelas de nêutrons, anãs brancas, estrelas, etc., o que abriu uma enorme oportunidade para a comunidade de astronomia para estudos mais detalhados de muitos novos objetos interessantes.
Essa pesquisa colaborativa também foi importante para estabelecer uma capacidade de ponta para aplicar novas técnicas de machine learning à pesquisa fundamental em astronomia, o que será crucial para utilizar cientificamente os dados dos observatórios atuais e futuros.
Publicado em 24/02/2023 04h04
Artigo original: