Como a inteligência artificial pode levar astrônomos à descoberta de galáxias

• Inteligência artificial ajuda cientistas a identificar padrões em dados novos e antigos
• Em Oxford, assistente virtual distingue sinais causados por supernovas

• dê um conteúdo

Na Agência Espacial Europeia (ESA, na sigla em inglês), David O'Ryan e Pablo Gómez descobriram centenas de novos objetos astronômicos no vasto arquivo de imagens transmitidas à Terra pelo Telescópio Espacial Hubble nos últimos 36 anos.

Usando uma rede neural chamada AnomalyMatch, treinada para detectar padrões incomuns, eles encontraram uma infinidade de galáxias, com formas peculiares que não haviam sido observadas anteriormente na inspeção manual dos dados do Hubble.

"É claro que as pessoas olham para a empolgante nova geração de telescópios que está entrando em operação, mas esse trabalho mostra como a IA pode aumentar o retorno científico de conjuntos de dados arquivados", diz Gómez. "Eles são verdadeiros tesouros nos quais ainda podemos encontrar coisas muito empolgantes."

Na Universidade de Oxford, a física Héloïse Stevance liderou o desenvolvimento de um assistente virtual de pesquisa baseado em IA. Isso reduziu em 85% a quantidade de verificação visual humana necessária para distinguir os raros sinais genuínos causados por supernovas —explosões ultrapotentes de estrelas moribundas— entre centenas de alertas recebidos diariamente do Atlas, uma rede de cinco telescópios terrestres que vasculham o céu em busca de eventos de alta energia em galáxias distantes.

"A verificação manual levaria várias horas por dia", afirma Stevance. "Graças à nossa nova ferramenta, podemos liberar o tempo dos cientistas para a resolução criativa de problemas e para questionamentos sobre a natureza do nosso Universo. É o equivalente astrofísico de ter um robô lavando sua roupa para que você possa se concentrar na sua arte."

Na Universidade de Birmingham, Guy Davies, que estuda o comportamento e a estrutura das estrelas, usa emuladores de IA para ajudar a interpretar observações de telescópios. "Em grande parte do trabalho que faço, nosso maior desafio não é tanto obter os dados, mas construir modelos de evolução estelar rápido o suficiente para conseguir entender o que estamos vendo nos dados", afirma.

"Conseguimos pegar uma rede neural e ensiná-la a simular modelos complexos de evolução estelar", acrescenta Davies. "O treinamento pode levar semanas ou meses, mas, uma vez treinada, conseguimos avaliar um modelo em menos de um milissegundo."

Sua colega de Birmingham, Anjali Piette depende de emuladores para pesquisas sobre as atmosferas de planetas além do nosso Sistema Solar. "Se vemos um sinal no espectro de um exoplaneta, que podemos atribuir a uma molécula específica, queremos saber por que ele está lá", diz ela. "Queremos usar todas as informações detalhadas do espectro para conectá-las a diferentes processos específicos que podemos modelar. Descobrir o porquê envolve conectar os modelos e os dados."

Esses exemplos —fazer novas descobertas em arquivos científicos, detectar sinais significativos em dados recebidos e construir modelos para dar sentido às observações— ilustram algumas das formas como os astrônomos estão utilizando a IA enquanto se preparam para um maior fluxo de dados em decorrência de uma nova geração de telescópios no espaço e em terra.

A maior torrente de observações virá do novo Observatório Vera Rubin, no Chile, que inclui um telescópio de 8,4 metros e uma câmera digital de 3 bilhões de pixels, a maior já construída. Ele capturará uma imagem a cada 30 segundos durante dez anos, criando um registro em time-lapse ultra-amplo e de alta definição do céu do hemisfério sul —"o maior filme astronômico de todos os tempos", como o observatório o descreve.

A Fundação Nacional de Ciência dos EUA criou o Instituto de IA NSF-Simons para o Céu (SKAI Institute) em Chicago para desenvolver novas ferramentas de IA capazes de detectar tesouros científicos nos dados do Rubin. Os astrônomos esperam descobrir uma infinidade de objetos, como asteroides e cometas, estrelas, explosões de supernovas e outros tão inéditos que ainda nem têm nome.

Supercomputadores e processamento intensivo não são necessários para explorar a IA na astronomia.

"O surpreendente é quão poucos dados foram necessários", diz Stevance sobre seu Assistente de Pesquisa Virtual. "Com apenas 15 mil exemplos e o poder de processamento do meu notebook, consegui treinar algoritmos inteligentes para fazer o trabalho pesado e automatizar o que costumava levar horas de trabalho humano por dia. 

Com orientação especializada, a IA pode transformar a descoberta astronômica sem exigir enormes conjuntos de dados ou poder computacional."

Gómez fez um comentário semelhante sobre o projeto da Agência Espacial Europeia para explorar o arquivo do Hubble com IA. "Temos um algoritmo muito eficiente", diz ele. "Ele rodou em uma única GPU [unidade de processamento gráfico] em poucos dias. 

Não estamos na escala de usar 100 mil GPUs queimando gigawatts de energia. Se escolhermos os métodos e entradas certos, como uma ferramenta de IA eficiente com anotações de especialistas, ainda podemos ser sustentáveis."

De modo geral, os astrônomos estão usando ferramentas de IA mais especializadas do que a IA generativa e os grandes modelos de linguagem de empresas como Anthropic e OpenAI que capturaram a imaginação do público.

"Você precisa de um sistema de uso geral para responder a uma pergunta específica em astronomia?", questiona Gómez. "Em muitos casos, não."

Enquanto os astrônomos continuam a desenvolver e usar ferramentas especializadas para suas pesquisas, a IA generativa vai melhorar sua eficiência, afirma Amaury Triaud, outro especialista em exoplanetas da Universidade de Birmingham. 

"Por exemplo, ela vai nos ajudar a projetar interfaces de usuário para nossos instrumentos, trabalhar online com colegas ao redor do mundo e também realizar trabalhos complexos nos sistemas ópticos dos telescópios —alinhando espelhos, focando e rastreando sua estrela."

CLIVE COOKSON | Jornal Financial Times