Mercado fechado
  • BOVESPA

    98.672,26
    +591,91 (+0,60%)
     
  • MERVAL

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

    47.741,50
    +1.083,62 (+2,32%)
     
  • PETROLEO CRU

    107,06
    +2,79 (+2,68%)
     
  • OURO

    1.828,10
    -1,70 (-0,09%)
     
  • BTC-USD

    21.048,54
    +71,26 (+0,34%)
     
  • CMC Crypto 200

    462,12
    +8,22 (+1,81%)
     
  • S&P500

    3.911,74
    +116,01 (+3,06%)
     
  • DOW JONES

    31.500,68
    +823,32 (+2,68%)
     
  • FTSE

    7.208,81
    +188,36 (+2,68%)
     
  • HANG SENG

    21.719,06
    +445,19 (+2,09%)
     
  • NIKKEI

    26.491,97
    +320,72 (+1,23%)
     
  • NASDAQ

    12.132,75
    +395,25 (+3,37%)
     
  • BATS 1000 Index

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

    5,5524
    +0,0407 (+0,74%)
     

Mais de 110 mil estrelas variáveis são descobertas graças a novo algoritmo

Cerca de 116 mil novas estrelas variáveis foram encontradas por astrônomos da Ohio State University, com a ajuda de um algoritmo de aprendizado de máquina. A descoberta é fruto do projeto The All-Sky Automated Survey for Supernovae (ASAS-SN), composto por uma rede de 20 telescópios espalhados pelo mundo. Juntos, eles conseguem observar o céu completamente, com profundidade quase 50 vezes maior que aquela dos olhos humanos.

As estrelas variáveis são objetos que, como o nome indica, têm brilho que varia ao longo do tempo, principalmente quando são observadas da Terra. Estas mudanças podem revelar informações importantes sobre elas, como seu raio, temperatura e até a composição. Por isso, levantamentos como aquele realizado pelo ASAS-SN são importantes para a descoberta de sistemas capazes de revelar a complexidade dos processos estelares.

Um dos telescópios do projeto ASAS-SN (Imagem: Reprodução/ASAS-SN)
Um dos telescópios do projeto ASAS-SN (Imagem: Reprodução/ASAS-SN)

Collin Christy, autor principal do novo estudo, descreve que as estrelas variáveis são como laboratórios estelares para os pesquisadores. “Na verdade, elas são ótimos lugares no universo para estudarmos e aprendermos mais sobre como as estrelas funcionam, e as pequenas complexidades que elas têm”, disse, em um comunicado.

Para o estudo, os autores tiveram que revisitar dados coletados pelo projeto, mas que não foram usados. Por anos, o ASAS-SN observou o céu com filtros de banda V, lentes que identificam somente as estrelas que emitem luz no espectro visível. Já em 2018, o projeto usou filtros de banda G, capazes de detectar mais variações de luz azul. Como resultado, a rede tornou-se capaz de observar mais de 100 milhões de estrelas.

Depois, a equipe usou um algoritmo de aprendizado de máquina (machine learning) para gerar uma lista com 1,5 milhão de estrelas variáveis candidatas a partir de um catálogo, composto por cerca de 55 milhões delas. Com isso, eles conseguiram reduzir a quantidade de possíveis objetos: no fim, das 1,5 milhão de candidatas, quase 400 mil se mostraram estrelas variáveis reais. Mais da metade delas já era conhecida, e 116.027 foram novas descobertas.

O algoritmo foi de grande ajuda para o trabalho, e a equipe de Christy ressalta que os cientistas cidadãos não precisam ficar de fora dele — tanto que já há voluntários analisando os dados descartados. “Ter pessoas nos dizendo como nossos ‘dados lixo’ são, é bastante útil, porque inicialmente o algoritmo iria olhar os dados ruins e tentaria encontrar sentido neles”, disse. Este conjunto de dados inicialmente descartados poderá ajudar a equipe a modificar e melhorar a performance geral do algoritmo.

O artigo com os resultados do estudo foi publicado no repositório online arXiv, 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