Mercado fechará em 2 h 38 min
  • BOVESPA

    103.634,47
    +2.859,90 (+2,84%)
     
  • MERVAL

    38.390,84
    +233,89 (+0,61%)
     
  • MXX

    50.510,07
    +502,91 (+1,01%)
     
  • PETROLEO CRU

    66,63
    +1,06 (+1,62%)
     
  • OURO

    1.766,80
    -17,50 (-0,98%)
     
  • BTC-USD

    56.371,71
    -2.547,76 (-4,32%)
     
  • CMC Crypto 200

    1.437,70
    -1,18 (-0,08%)
     
  • S&P500

    4.569,65
    +56,61 (+1,25%)
     
  • DOW JONES

    34.590,33
    +568,29 (+1,67%)
     
  • FTSE

    7.144,28
    -24,40 (-0,34%)
     
  • HANG SENG

    23.788,93
    +130,01 (+0,55%)
     
  • NIKKEI

    27.753,37
    -182,25 (-0,65%)
     
  • NASDAQ

    15.940,00
    +70,25 (+0,44%)
     
  • BATS 1000 Index

    0,0000
    0,0000 (0,00%)
     
  • EURO/R$

    6,3659
    -0,0809 (-1,25%)
     

Equipe com mais de 3 mil cientistas cidadãos encontra 10 mil estrelas variáveis

·3 min de leitura

Desde janeiro deste ano, uma equipe formada por mais de 3 mil cientistas cidadãos vinha analisando os dados do levantamento All-Sky Automated Survey for Supernovae (ou apenas “ASAS-SN”), realizado por pesquisadores da Ohio State University. Como resultado do trabalho de análise e classificação de mais de 100.000 curvas de luz, os participantes do projeto descobriram cerca de 10 mil novas estrelas variáveis de diferentes tipos na Via Láctea. Como o nome indica, essas estrelas têm variações na luz que vemos na Terra, que escurece e depois volta a brilhar novamente — ou seja, têm brilho variável.

Elas podem ser variáveis intrínsecas, quando as mudanças do brilho vêm de eventos ocorrendo na própria estrela; ou variáveis extrínsecas, em que as variações vêm de fatores externos. As extrínsecas são formadas por dois grupos principais. Um deles conta com as binárias eclipsantes, sistemas com duas estrelas em que uma estrela passa em frente à outra, causando flutuações no brilho. Já as variáveis rotacionais brilham por fenômenos associados à rotação, como manchas solares, por exemplo. Assim, os voluntários tentaram dar classificações mais amplas às candidatas, marcando-as como possíveis binárias eclipsantes.

A estrela RS Puppis, uma variável cujo brilho aumenta cinco vezes ao longo de 40 dias (Imagem: Reprodução/NASA/ ESA/ H. Bond)
A estrela RS Puppis, uma variável cujo brilho aumenta cinco vezes ao longo de 40 dias (Imagem: Reprodução/NASA/ ESA/ H. Bond)

Já os objetos que interferem na luz das estrelas observada por telescópios, como os satélites na órbita baixa da Terra, foram classificados como “lixo”, enquanto as curvas de luz que não correspondem às classes das estrelas variáveis foram marcados como “desconhecidos”. Parte das estrelas classificadas por eles já havia sido identificada, mas isso serviu como uma forma de os pesquisadores da universidade verificarem a precisão das descobertas. “No fim, eles foram bastante precisos”, disse Collin Christy, autor principal do artigo e analista do ASAS-SN.

Segundo os pesquisadores, os usuários conseguiram também identificar facilmente o “lixo” em meio aos dados. O Citizen ASAS-SN é um projeto construído a partir do ASAS-SN, voltado para a busca de buracos negros e outros objetos no universo. Recentemente, os telescópios do ASAS-SN foram atualizados, permitindo que os astrônomos procurassem novas estrelas variáveis, supernovas e outros; anteriormente, as análises dos dados obtidos foram realizadas por algoritmos de machine learning, em que um algoritmo é treinado para classificar informações.

Tharindu Jayasinghe, coautor do artigo, explica que os membros do ASAS-SN pretendem tornar os dados públicos, para compartilhar a ciência com mais pessoas e realizar pesquisas científicas. “As pessoas estão contribuindo para a ciência, e há engajamento entre os cientistas e as pessoas nessas plataformas: os usuários podem nos fazer perguntas, e nós nos engajamos e isso cria um relacionamento”, disse ele. “Estamos também ensinando as pessoas a fazer ciência; todos ganham”.

Além das descobertas, o trabalho dos cientistas cidadãos está contribuindo também para melhorar o algoritmo. Segundo Jayasinghe, os dados classificados como “inúteis” pelos voluntários ajuda a máquina a entender melhor o que terá utilidade e o que não serve. “O olho humano pode encontrar coisas raras com muito mais eficiência do que a máquina vem conseguindo fazer, e quando eles trazem à equipe de pesquisa o que conseguiram, isso nos permite grandes descobertas”, disse ele. “Os humanos podem fazer coisas incríveis se você lhes der a chance.”

O artigo com os resultados do estudo foi publicado no repositório online arXiv, ainda sem revisão de pares.

Fonte: Canaltech

Trending no Canaltech:

Nosso objetivo é criar um lugar seguro e atraente onde usuários possam se conectar uns com os outros baseados em interesses e paixões. Para melhorar a experiência de participantes da comunidade, estamos suspendendo temporariamente os comentários de artigos