Inteligência artificial acelera descoberta de galáxias e fenômenos raros no Universo

Algoritmos já analisam milhões de imagens de telescópios, identificam supernovas e recuperam descobertas escondidas em arquivos astronômicos acumulados durante décadas

A inteligência artificial está ajudando astrônomos a encontrar galáxias incomuns, explosões estelares e outros fenômenos raros em uma quantidade de dados que seria praticamente impossível de analisar apenas pelo trabalho humano.

Redes neurais são treinadas para reconhecer padrões, comparar imagens e destacar objetos que fogem do comportamento esperado. Em vez de realizar a descoberta de forma totalmente autônoma, esses sistemas funcionam como filtros: selecionam os registros mais promissores para que os cientistas façam a análise final.

Um dos exemplos mais recentes veio do arquivo do Telescópio Espacial Hubble. Pesquisadores da Agência Espacial Europeia utilizaram a ferramenta AnomalyMatch para examinar quase 100 milhões de recortes de imagens em apenas dois dias e meio. O sistema identificou aproximadamente 1.400 objetos anômalos, dos quais mais de 800 ainda não haviam sido documentados na literatura científica.

Arquivos antigos podem esconder novas descobertas

O resultado mostra que os grandes arquivos astronômicos não perdem valor quando uma missão envelhece ou quando novos telescópios entram em operação.

O Hubble observa o Universo há mais de três décadas e acumulou uma coleção gigantesca de imagens. Mesmo assim, parte desse material nunca havia sido examinada com a profundidade necessária para localizar objetos raros.

Entre as anomalias selecionadas pela inteligência artificial estão galáxias em processo de colisão, lentes gravitacionais, galáxias em formato de anel e estruturas que ainda desafiam uma classificação precisa.

Grande parte desses objetos é difícil de encontrar porque aparece misturada a milhões de registros considerados comuns. A IA reduz esse universo de possibilidades e direciona a atenção dos pesquisadores para os casos mais relevantes. A interpretação científica, porém, continua dependendo do conhecimento humano.

Assistente virtual procura supernovas em Oxford

Na Universidade de Oxford, a astrofísica Héloïse Stevance desenvolveu um assistente virtual para auxiliar na identificação de supernovas e outros eventos cósmicos transitórios.

A ferramenta analisa alertas produzidos pelo sistema ATLAS, uma rede de telescópios que monitora mudanças no céu. O programa ajuda a separar sinais potencialmente valiosos de ruídos, defeitos nas imagens e ocorrências sem interesse para determinada pesquisa.

Segundo a universidade, o assistente passou a executar cerca de 85% da inspeção visual antes realizada manualmente. Isso permite que os cientistas dediquem mais tempo à interpretação dos fenômenos e ao desenvolvimento de novas hipóteses.

Supernovas são explosões associadas ao estágio final da vida de algumas estrelas. Estudá-las ajuda a compreender a formação dos elementos químicos, a evolução das galáxias e até a expansão do Universo.

Novos telescópios produzirão milhões de alertas

O uso da inteligência artificial deve se tornar ainda mais importante com a nova geração de observatórios.

Instalado no Chile, o Observatório Vera C. Rubin conta com um telescópio de 8,4 metros e a maior câmera digital já construída para a astronomia, com 3,2 bilhões de pixels. Seu levantamento principal terá duração prevista de dez anos, com exposições de aproximadamente 30 segundos.

O observatório poderá gerar milhões de alertas por noite, registrando variações no brilho das estrelas, asteroides em movimento, supernovas, galáxias e fenômenos ainda desconhecidos. Apenas a análise manual não seria capaz de acompanhar esse volume.

Para enfrentar o desafio, a Fundação Nacional de Ciência dos Estados Unidos e a Simons Foundation criaram institutos especializados na aplicação da IA à astronomia. Entre eles está o NSF-Simons AI Institute for the Sky, voltado a pesquisas sobre galáxias, buracos negros, estrelas de nêutrons, matéria escura e energia escura.

IA também torna modelos científicos mais rápidos

Além de localizar objetos em imagens, algoritmos podem acelerar a construção de modelos usados para explicar a evolução das estrelas e as atmosferas de planetas fora do Sistema Solar.

Alguns cálculos tradicionais exigem grande capacidade computacional e podem levar horas ou dias para serem concluídos. Depois de treinados, modelos de aprendizado de máquina conseguem reproduzir determinadas simulações com rapidez muito maior.

Essa velocidade permite comparar mais hipóteses com as observações reais. Os cientistas podem, por exemplo, investigar quais moléculas estão presentes na atmosfera de um exoplaneta ou testar diferentes etapas da evolução de uma estrela.

Os resultados precisam ser tratados com cautela. Um algoritmo pode reproduzir falhas dos dados empregados em seu treinamento, deixar de reconhecer um fenômeno muito diferente dos exemplos anteriores ou apresentar uma classificação incorreta. Por isso, a supervisão de especialistas permanece indispensável.

Ferramentas especializadas ganham espaço

Na astronomia, parte das aplicações mais relevantes não depende dos grandes modelos de linguagem popularizados pelos assistentes de texto.

Os pesquisadores utilizam sistemas desenvolvidos para tarefas específicas, como identificar galáxias com formatos incomuns, classificar explosões estelares, comparar espectros ou prever quais alertas merecem observação imediata.

Essas ferramentas podem ser menores, mais econômicas e treinadas com a orientação direta de especialistas. A eficiência é importante porque amplia o acesso à tecnologia e reduz a necessidade de estruturas computacionais gigantescas.

A inteligência artificial não elimina o papel dos astrônomos. Ao assumir etapas repetitivas e organizar grandes volumes de informação, ela aumenta a capacidade humana de formular perguntas e reconhecer acontecimentos que poderiam permanecer escondidos no céu — ou em arquivos científicos examinados inúmeras vezes.