Uma equipe internacional de pesquisadores do SNAD descobriu 11 anomalias cósmicas anteriormente desconhecidas, 7 das quais são candidatas a supernovas. Os pesquisadores analisaram imagens digitais do céu do norte tiradas em 2018 para detectar anomalias usando o método do "vizinho mais próximo". Algoritmos de aprendizado de máquina ajudaram a automatizar a pesquisa.
Com o advento de pesquisas astronômicas em larga escala, a quantidade de dados aumentou drasticamente. Por exemplo, o Zwicky Transient Facility (ZTF), que usa uma câmera para pesquisar o céu do norte, gera cerca de 1,4 TB de dados por noite de observação e seu catálogo contém bilhões de objetos. O processamento manual de volumes tão grandes de dados é muito demorado, então uma equipe de pesquisadores do SNAD da França, Estados Unidos e outros países uniram forças para desenvolver uma solução automatizada.
Neste estudo, os cientistas estudaram um milhão de curvas de luz reais do catálogo ZTF de 2018 e sete modelos de curvas de luz em tempo real para os tipos de objetos em estudo. No total, eles monitoraram cerca de 40 parâmetros, incluindo a amplitude de brilho do objeto e o intervalo de tempo.
"Descrevemos as propriedades de nossas simulações usando um conjunto de características que devem ser observadas em corpos astronômicos reais. Em um conjunto de dados de cerca de um milhão de objetos, procuramos supernovas, supernovas do tipo Ia, supernovas do tipo II e eventos de colapso de maré", explica Kostyantyn Malanchev, pós-doutorando na Universidade de Illinois em Urbana-Champaign.
Em seguida, os dados das curvas de brilho de objetos reais foram comparados com os dados de simulação usando o algoritmo kd-tree. Posteriormente, a equipe identificou 15 vizinhos mais próximos, ou seja, objetos reais do banco de dados ZTF, para cada simulação de um total de 105 correspondências, que os pesquisadores verificaram visualmente em busca de anomalias. A inspeção manual confirmou 11 anomalias, das quais 7 eram candidatas a supernovas e 4 eram candidatas a núcleos galácticos ativos onde eventos de ruptura de maré poderiam ter ocorrido.
Este estudo demonstra que o método é muito eficaz e fácil de usar. O algoritmo proposto para detectar fenômenos cósmicos de um certo tipo é universal e pode ser usado para detectar quaisquer objetos astronômicos interessantes, não se limitando a tipos raros de supernovas.
Você pode ajudar a Ucrânia a lutar contra os invasores russos. A melhor maneira de fazer isso é doar fundos para as Forças Armadas da Ucrânia através Salva vida ou através da página oficial NBU.
Leia também:
- O ex-chefe do Google comparou inteligência artificial a armas nucleares
- A inteligência artificial da Meta pode ajudar médicos a projetar as melhores próteses