Cientistas adicionaram recentemente 301 exoplanetas recém-validados à contagem total de exoplanetas. A multidão de planetas é a última a se juntar aos 4.569 planetas já validados que orbitam uma infinidade de estrelas distantes. Como os cientistas descobriram um número tão grande de planetas, aparentemente de uma só vez? A resposta está em uma nova rede neural profunda chamada ExoMiner.
Redes neurais profundas são métodos de aprendizado de máquina que aprendem automaticamente uma tarefa quando fornecidos com dados suficientes. ExoMiner é uma nova rede neural profunda que alavanca o supercomputador da NASA, Pleiades, e pode distinguir exoplanetas reais de diferentes tipos de impostores, ou “falsos positivos”. Seu design é inspirado por vários testes e propriedades que os especialistas humanos usam para confirmar novos exoplanetas. E aprende usando exoplanetas confirmados no passado e casos falsos positivos.
O ExoMiner complementa as pessoas que são profissionais em vasculhar dados e decifrar o que é e o que não é um planeta. Especificamente, os dados coletados pela espaçonave Kepler da NASA e K2, sua missão subsequente. Para missões como o Kepler, com milhares de estrelas em seu campo de visão, cada uma com a possibilidade de hospedar múltiplos exoplanetas em potencial, é uma tarefa extremamente demorada se debruçar sobre enormes conjuntos de dados. O ExoMiner resolve esse dilema.
“Ao contrário de outros programas de aprendizado de máquina para detecção de exoplanetas, o ExoMiner não é uma caixa preta – não há mistério de por que ele decide que algo é um planeta ou não”, disse Jon Jenkins, cientista de exoplanetas do Ames Research Center da NASA no Vale do Silício da Califórnia . “Podemos explicar facilmente quais recursos nos dados levam o ExoMiner a rejeitar ou confirmar um planeta.”
Qual é a diferença entre um exoplaneta confirmado e validado? Um planeta é “confirmado”, quando diferentes técnicas de observação revelam características que só podem ser explicadas por um planeta. Um planeta é “validado” usando estatísticas – significando quão provável ou improvável é ser um planeta com base nos dados.
Em um artigo publicado no Astrophysical Journal, a equipe da Ames mostra como ExoMiner descobriu os 301 planetas usando dados do conjunto restante de planetas possíveis – ou candidatos – no Arquivo Kepler. Todos os 301 planetas validados por máquina foram originalmente detectados pelo pipeline do Kepler Science Operations Center e promovidos a candidatos a planeta pelo Kepler Science Office. Mas até o ExoMiner, ninguém era capaz de validá-los como planetas.
O artigo também demonstra como o ExoMiner é mais preciso e consistente em descartar falsos positivos e melhor capaz de revelar as assinaturas genuínas de planetas orbitando suas estrelas-mãe – ao mesmo tempo que dá aos cientistas a capacidade de ver em detalhes o que levou o ExoMiner à sua conclusão.
“Quando o ExoMiner diz que algo é um planeta, você pode ter certeza de que é um planeta”, acrescentou Hamed Valizadegan, líder do projeto ExoMiner e gerente de aprendizado de máquina da Associação de Pesquisa Espacial das Universidades em Ames. “O ExoMiner é altamente preciso e, de certa forma, mais confiável do que os classificadores de máquinas existentes e os especialistas humanos que ele deve imitar por causa dos preconceitos que vêm com a rotulagem humana.”
Acredita-se que nenhum dos planetas recentemente confirmados seja semelhante à Terra ou esteja na zona habitável de suas estrelas-mãe. Mas eles compartilham características semelhantes à população geral de exoplanetas confirmados em nossa vizinhança galáctica.
“Essas 301 descobertas nos ajudam a entender melhor os planetas e sistemas solares além do nosso, e o que os torna tão únicos”, disse Jenkins.
À medida que a busca por mais exoplanetas continua – com missões usando fotometria de trânsito, como Transiting Exoplanet Survey Satellite, ou TESS, e os próximos Trânsitos e oscilações de estrelas da Agência Espacial Europeia, ou PLATO, missão – o ExoMiner terá mais oportunidades de provar que é à altura da tarefa.
“Agora que treinamos o ExoMiner usando dados do Kepler, com um pequeno ajuste, podemos transferir esse aprendizado para outras missões, incluindo TESS, na qual estamos trabalhando atualmente”, disse Valizadegan. “Há espaço para crescer.”
Publicado em 23/11/2021 23h42
Artigo original:
Estudo original: