Cientistas cidadãos voluntários analisando dados de uma rede de telescópios ao redor do mundo este ano identificaram 10.000 novas estrelas variáveis na Via Láctea, de acordo com um artigo recente.
Os voluntários têm examinado dados da Pesquisa Automatizada da All-Sky para Supernovas desde janeiro. A pesquisa, conhecida como ASAS-SN, é realizada por pesquisadores da The Ohio State University.
Em um artigo postado no servidor de pré-impressão arXiv, os pesquisadores detalharam o que o projeto de ciência do cidadão, chamado Citizen ASAS-SN, realizou até agora: Mais de 3.100 voluntários fizeram cerca de 839.000 classificações de mais de 100.000 curvas de luz – dados que informa aos astrônomos sobre objetos no céu. Uma estrela variável é uma estrela cujo brilho muda com o tempo – a luz que vemos vindo de tal estrela não é constante.
Os cientistas voluntários tentaram classificar amplamente as estrelas como binários eclipsantes, onde uma estrela passa na frente da outra, estrelas pulsantes e estrelas giratórias. Cientistas voluntários também podem classificar os dados como “lixo”, o que significa que não é uma estrela. Por exemplo, satélites em órbita baixa da Terra podem interferir com a luz das estrelas em telescópios; os dados de um satélite seriam classificados como lixo. E cientistas voluntários poderiam marcar os dados como “desconhecidos” se as curvas de luz não se encaixassem em uma das outras classes de estrelas variáveis.
Algumas das estrelas que os cientistas voluntários classificaram foram previamente identificadas, o que deu aos pesquisadores do estado de Ohio uma maneira de verificar a precisão dos voluntários.
“Acontece que eles eram bastante precisos”, disse Collin Christy, principal autor do artigo e analista da ASAS-SN. “Nossos usuários foram realmente bons em encontrar os sistemas eclipsantes e pulsantes em nossos dados.”
Os usuários também foram capazes de identificar facilmente dados inúteis, descobriram os pesquisadores.
O projeto baseia-se no trabalho anterior e em andamento da ASAS-SN para pesquisar os céus em busca de buracos negros e outros fenômenos no cosmos. Os telescópios do ASAS-SN foram recentemente atualizados, permitindo aos astrônomos perscrutar mais profundamente o espaço em busca de novas estrelas variáveis, supernovas e outros objetos. A análise anterior dos dados do ASAS-SN foi conduzida amplamente usando algoritmos de aprendizado de máquina, onde um algoritmo de computador treinado classifica os dados.
“Nosso principal objetivo é tornar nossos dados públicos, compartilhar nossa ciência com uma comunidade mais ampla de pessoas e, é claro, queríamos obter pesquisa científica a partir disso”, disse Tharindu Jayasinghe, coautor do artigo, um estudante de doutorado em astronomia e bolsista presidencial do estado de Ohio. “E isso tem sido bom para engajar o público. As pessoas estão contribuindo para a ciência e há engajamento entre cientistas e pessoas nessas plataformas: os usuários podem nos fazer perguntas, e nós nos engajamos e isso cria relacionamento. E também estamos ensinando as pessoas como para fazer esta ciência. É uma situação em que todos ganham. ”
O trabalho dos cientistas cidadãos também está ajudando a melhorar o algoritmo de aprendizado de máquina: sua contribuição, disse Jayasinghe, está ajudando a máquina a entender melhor quais dados são “lixo” e o que é útil.
“O olho humano pode detectar coisas incomuns e apontá-las muito melhor do que a máquina tem sido capaz de fazer, e quando eles relatam isso para a equipe de pesquisa, isso nos permite fazer essas descobertas realmente excelentes”, disse Jayasinghe. “Os humanos podem fazer coisas incríveis se você lhes der uma chance.”
Publicado em 13/11/2021 05h45
Artigo original:
Estudo original: