Como o aprendizado de máquina pode ajudar os astrônomos a encontrar exoplanetas semelhantes à Terra? Isso é o que estudo recentemente aceito para Astronomia e Astrofísica espera abordar como uma equipe de pesquisadores internacionais investigou como um novo algoritmo baseado em rede neural poderia ser usado para detectar exoplanetas semelhantes à Terra usando dados do método de detecção de velocidade radial (RV). Este estudo tem o potencial de ajudar os astrônomos a desenvolver métodos mais eficientes na detecção de exoplanetas semelhantes à Terra, que são tradicionalmente difíceis de identificar nos dados de RV devido à intensa atividade estelar da estrela hospedeira.
O estudo observa: “O aprendizado de máquina é uma das ferramentas mais eficientes e bem-sucedidas para lidar com grandes quantidades de dados no campo científico. Muitos algoritmos baseados em aprendizado de máquina foram propostos para mitigar a atividade estelar para melhor detectar planetas de baixa massa e/ou de longo período. Esses algoritmos podem ser classificados em duas categorias: aprendizagem supervisionada e aprendizagem não supervisionada. A vantagem da aprendizagem supervisionada é que o modelo proposto contém um grande conjunto de variáveis e tem a capacidade de produzir previsões relativamente precisas com base nos dados de treinamento.”
Para o estudo, os pesquisadores aplicaram seu algoritmo a três estrelas para verificar sua capacidade de identificar exoplanetas nos dados de atividade estelar: nosso Sol, Alfa Centauri B (HD 128621)e Tau ceti (HD 10700), com Alpha Centauri B localizado a aproximadamente 4,3 anos-luz da Terra e Tau ceti localizado a aproximadamente 12 anos-luz da Terra. Depois de inserir sinais planetários simulados no algoritmo, os pesquisadores descobriram que seu algoritmo identificou com sucesso exoplanetas simulados com períodos orbitais potenciais variando entre 10 a 550 dias para o nosso Sol, 10 a 300 dias para Alpha Centauri B e 10 a 350 dias para Tau ceti. É importante notar que Alpha Centauri B atualmente teve vários potenciais detecções de exoplanetas mas não confirmado, enquanto Tau ceti tem atualmente oito exoplanetas listados como “não confirmado” dentro do seu sistema.
Além disso, o algoritmo identificou que esses resultados correspondem a Alpha Centauri B e Tau ceti potencialmente tendo exoplanetas com aproximadamente 4 vezes o tamanho da Terra e também dentro das zonas habitáveis dessas estrelas. Depois de inserir mais dados de atividade estelar no algoritmo, os pesquisadores descobriram que o algoritmo identificou com sucesso um exoplaneta simulado com aproximadamente 2,2 vezes o tamanho da Terra enquanto orbitava à mesma distância que a Terra do nosso Sol.
O estudo observou em suas conclusões: “Neste artigo, desenvolvemos uma estrutura de rede neural para mitigar eficientemente a atividade estelar no nível espectral, para melhorar a detecção de planetas de baixa massa em períodos de alguns dias a algumas centenas de dias, correspondendo à zona habitável de estrelas do tipo solar.”
Embora o estudo tenha se concentrado na descoberta de exoplanetas semelhantes à Terra em dados de RV, os pesquisadores observam que dados adicionais, incluindo tempo de trânsito, fase e fotometria baseada no espaço, poderiam ser usados para identificar exoplanetas semelhantes à Terra. Eles enfatizam o papel da Agência Espacial Europeia Missão do telescópio espacial PLATO poderia conseguir isso, que está atualmente sendo desenvolvido e com lançamento previsto para 2026. Após o lançamento, ele estará estacionado no Sol-Terra L2 Ponto Lagrange localizado no lado oposto da Terra ao Sol, onde varre até um milhão de estrelas em busca de exoplanetas usando o método de trânsito com ênfase em exoplanetas terrestres (rochosos).
Este estudo surge como o número de exoplanetas confirmados pela NASA atingiu 5.632 até o momento em que este livro foi escrito, que é composto por 201 exoplanetas terrestres, e também oferece à próxima missão PLATO uma ampla oportunidade de descobrir muitos mais exoplanetas terrestres dentro de nossa Galáxia, a Via Láctea.
Como o aprendizado de máquina ajudará os astrônomos a detectar exoplanetas semelhantes à Terra nos próximos anos e décadas? Só o tempo dirá, e é por isso que fazemos ciência!
Como sempre, continue fazendo ciência e olhando para cima!
Fonte: InfoMoney
