NASA descobre sistema estelar semelhante ao nosso com ajuda da inteligência artificial - Mistérios do Universo

Breaking

Home Top Ad

Post Top Ad

14 de dezembro de 2017

NASA descobre sistema estelar semelhante ao nosso com ajuda da inteligência artificial

.... ....
Com ajuda do algoritmo machine learning do Google, a NASA descobre Kepler-90i, um oitavo exoplaneta que orbita uma estrela semelhante ao Sol, formando Kepler-90, o "irmão caçula" do sistema solar.




Nosso sistema solar acaba de ganhar um "irmão mais novo" distante com a recente descoberta de um oitavo planeta que gira em torno de Kepler-90, uma estrela parecida com o Sol, 2.545 anos-luz da Terra. O planeta foi descoberto em dados do Kepler Space Telescope da NASA.

O recém-descoberto Kepler-90i -, um planeta rochoso escaldante que orbita sua estrela a cada 14,4 dias - foi encontrado usando o algoritmo machine learning (aprendizado de máquina ou aprendizado automático) do Google. O machine learning é uma abordagem de inteligência artificial em que os computadores “aprendem”. Neste caso, os computadores aprenderam a identificar planetas ao averiguar dados do telescópio Kepler, que procura sinais de planetas fora do nosso sistema solar, conhecidos como exoplanetas

"Assim como esperávamos, há descobertas emocionantes espreitando nos nossos dados arquivados da missão Kepler, à espera da ferramentas ou tecnologia certa para desenterrá-los", disse Paul Hertz, diretor da Divisão de Astrofísica da NASA em Washington. "Este achado mostra que nossos dados serão um tesouro disponível para pesquisadores inovadores nos próximos anos".

A descoberta surgiu depois que os pesquisadores Christopher Shallue e Andrew Vanderburg treinaram um computador para aprender a identificar exoplanetas nas leituras de luz gravadas por Kepler - a mudança minúscula no brilho capturada representa um planeta passando em frente uma estrela. Inspirado pela forma como os neurônios se conectam no cérebro humano, esta “rede neural” artificial peneirada através dos dados Kepler encontrou sinais fracos de trânsito de um oitavo planeta anteriormente perdido orbitando Kepler-90, na constelação de Draco.

Embora a aprendizagem de máquina já tenha sido utilizada em pesquisas de banco de dados Kepler, esta pesquisa demonstra que as redes neurais são uma ferramenta promissora para encontrar alguns dos sinais mais fracos de mundos distantes.  

Outros sistemas planetários provavelmente possuem mais promessas para a vida do que Kepler-90. Cerca de 30% maior do que a Terra, Kepler-90i está tão próximo da sua estrela que a temperatura média da superfície supostamente excede 427 graus Celcius, pareando-se com Mercúrio. Seu planeta mais distante, Kepler-90h, orbita a uma distância semelhante à distância Terra-Sol.


"O sistema estrela Kepler-90 é como uma mini versão do nosso sistema solar.", disse Vanderburg, um membro do NASA Sagan Postdoctoral Fellowship e astrônomo da Universidade do Texas em Austin.

Shallue, um engenheiro sênior de software com a equipe de pesquisa do Google, o Google AI, surgiu com a ideia de aplicar uma rede neural aos dados da Kepler. Ele se interessou pela descoberta de exoplanetas depois de aprender que a astronomia, como outros ramos da ciência, está sendo inundada rapidamente com os dados a medida que a tecnologia para a coleta de dados do espaço avança.

No meu tempo livre, eu pesquisei no google 'encontrar exoplanetas com grandes conjuntos de dados' e descobri sobre a missão Kepler e os enormes conjunto de dados disponíveis”, disse Shallue. " aprendizagem de máquina realmente brilha em situações em que há tantos dados que os seres humanos não podem pesquisá-los por si só.”

O conjunto de dados de quatro anos de Kepler consiste de 35.000 possíveis sinais planetários. Testes automatizados, e as vezes o olho humano, são utilizados para verificar os sinais mais promissores nos dados. No entanto, os sinais mais fracos, muitas vezes são perdidos usando esses métodos. Shallue e Vanderburg pensou que poderia haver descobertas de exoplanetas mais interessantes fracamente à espreita nos dados. 

Primeiro, eles treinaram a rede neural para identificar exoplanetas em trânsito usando um conjunto de 15.000 sinais anteriormente vetados do catálogo de exoplanetas Kepler. No conjunto de teste, a rede neural corretamente identificou verdadeiros planetas e falsos positivos em 96 por cento do tempo. Então, com a rede neural "aprendeu" a detectar o padrão de um exoplaneta em trânsito, os pesquisadores dirigiram seu modelo para procurar sinais mais fracos em sistemas de 670 estrelas que já tiveram vários planetas conhecidos. Sua suposição era de que os sistemas de múltiplos planetas seriam os melhores lugares para procurar mais exoplanetas.

“Temos um monte de falsos positivos de planetas, mas também planetas potencialmente mais reais”, disse Vanderburg. “É como peneirar pedras para encontrar as jóias. Se você tiver uma peneira mais fina, então você vai pegar mais pedras, mas você pode pegar mais jóias, também.”

Kepler-90i não foi a única joia nesta rede neural peneirada. No sistema Kepler-80, encontraram um sexto planeta do tamanho da Terra. Quatro de seus planetas vizinhos formam o que é chamado de uma cadeia de ressonância - onde os planetas estão bloqueados pela sua gravidade mútua em uma dança orbital rítmica. O resultado é um sistema extremamente estável, semelhante aos sete planetas no sistema TRAPPIST-1.

Seu trabalho de pesquisa que apresenta estes resultados foi aceito para publicação no The Astronomical Journal. Shallue e Vanderburg planejam aplicar a sua rede neural em um conjunto completo de mais de 150.000 estrelas de Kepler.

Kepler tem produzido um conjunto de dados sem precedentes criados para a caça de exoplanetas. Depois de observar o espaço em um intervalo de quatro anos, a nave espacial agora está operando em uma missão estendida e muda o seu campo de visão a cada 80 dias.

"Esses resultados demonstram o valor duradouro da missão Kepler", disse Jessie Dotson, cientista do Projeto Kepler no Centro de Pesquisa Ames da NASA, no Silicon Valley da Califórnia. "Novas maneiras de observar dados - a medida que esta pesquisa em fase inicial aplica algoritmos de aprendizado de máquina - promete continuar a produzir avanços significativos em nossa compreensão dos sistemas planetários em torno de outras estrelas. Tenho certeza de que há mais novidades nos dados que esperam que as pessoas os encontrem. "

Pages