Versão Portuguesa 🇵🇹English Version 🇬🇧

 

Novo método de aprendizagem automática valida 301 exoplanetas

Foram recentemente acrescentados 301 exoplanetas validados à contagem total de exoplanetas. Este conjunto é o mais recente a juntar-se aos 4569 planetas já validados que orbitam múltiplas estrelas distantes. Como conseguiram os cientistas descobrir um tão grande número de planetas, aparentemente de uma só vez? A resposta está numa nova rede neural profunda, o ExoMiner.

Já foram descobertos mais de 4500 planetas em torno de outras estrelas, mas os cientistas calculam que a nossa Galáxia possa conter milhões de planetas. Existem vários métodos para detetar estes corpos pequenos e ténues em torno das estrelas brilhantes muito maiores. Crédito: NASA/JPL-Caltech.

As redes neurais profundas são métodos de aprendizagem automática que, como o próprio nome indica, aprendem automaticamente uma tarefa quando lhes são fornecidos dados suficientes. O ExoMiner é uma nova rede neural profunda que recorre ao poder do supercomputador Pleiades, da NASA, e que pode distinguir exoplanetas reais de “falsos positivos”. O seu design é inspirado em vários testes e propriedades que os especialistas usam para confirmar novos exoplanetas, e aprende usando exoplanetas confirmados no passado e casos de falsos positivos.

O ExoMiner complementa o trabalho dos especialistas que analisam dados para distinguir entre o que é e o que não é um planeta. Em termos mais específicos, falamos dos dados recolhidos pela missão Kepler da NASA e pela sua missão posterior, K2. Para missões como estas, com milhares de estrelas no campo de visão, tendo cada uma a possibilidade de hospedar múltiplos exoplanetas, é uma tarefa extremamente demorada, já que os cientistas se têm de debruçar sobre enormes conjuntos de dados. O ExoMiner resolve este problema.

“Ao contrário de outros programas de aprendizagem automática para deteção de exoplanetas, o ExoMiner não é uma caixa negra – não há mistério no método como decide se algo é um planeta ou não”, explicou Jon Jenkins, especialista em exoplanetas no Ames Research Center da NASA, em Silicon Valley, Califórnia. “Podemos facilmente explicar que características nos dados levam o ExoMiner a rejeitar ou confirmar um planeta”.

Qual é a diferença entre um exoplaneta confirmado e validado? Um planeta é “confirmado” quando diferentes técnicas de observação revelam características que só podem ser explicadas por um planeta. Um planeta é “validado” usando estatísticas – isto é, que probabilidade tem um objeto de ser ou não um planeta, com base nos dados.

Quando um planeta passa à frente da sua estrela na nossa linha de visão, vemos a estrela escurecer ligeiramente porque o planeta bloqueia uma parte da sua luz. Este é um método que os cientistas usam para descobrir exoplanetas, conhecido pelo método do trânsito. Fazem um gráfico, a curva de luz, com o brilho da estrela em função do tempo. Usando este gráfico, podem ver que percentagem da luz da estrela é bloqueada pelo planeta e o tempo que o planeta leva a atravessar o disco da estrela. Crédito: NASA’s Goddard Space Flight Center.

Num artigo publicado no Astrophysical Journal, a equipa do Ames mostra como o ExoMiner descobriu os 301 planetas usando dados do conjunto restante de planetas possíveis – ou candidatos – do Arquivo Kepler. Os 301 planetas validados pelo ExoMiner foram na sua totalidade originalmente detetados pelo Kepler Science Operations Center e promovidos a candidatos a planeta pelo Kepler Science Office. Mas até ao ExoMiner, ninguém foi capaz de os validar como planetas.

O artigo mostra também como o ExoMiner é mais preciso a descartar falsos positivos e capaz de revelar melhor as assinaturas genuínas dos planetas que orbitam as suas estrelas hospedeiras – dando, ao mesmo tempo, aos cientistas a capacidade de verem em detalhe o que levou o ExoMiner a determinada conclusão.

“Quando o ExoMiner diz que algo é um planeta, podemos ter certeza de que é”, acrescentou Hamed Valizadegan, líder do projeto ExoMiner e diretor de aprendizagem automática da Universities Space Research Association em Ames. “O ExoMiner é altamente preciso e, de certa forma, mais confiável que os classificadores automáticos existentes e que os especialistas humanos que deve simular, devido a parcialidades associadas à classificação feita por humanos.”

Nenhum dos planetas recentemente confirmados parece ser semelhante à Terra ou estar na zona habitável da sua estrela hospedeira. Mas partilham características semelhantes às que existem na população geral de exoplanetas confirmados na nossa vizinhança galáctica.

“Estas 301 descobertas ajudam-nos a compreender melhor os planetas e sistemas solares para lá do nosso, e o que os torna tão únicos”, disse Jenkins.

À medida que prossegue a procura de exoplanetas – com missões que usam fotometria de trânsito, como a missão TESS (Transiting Exoplanet Survey Satellite), da NASA, e a próxima missão PLATO (PLAnetary Transits and Oscillations of stars), da ESA – o ExoMiner terá mais oportunidades de provar que está à altura da tarefa.

Agora que treinámos o ExoMiner com dados do Kepler, com um pequeno ajuste, podemos transferir essa aprendizagem para outras missões, incluindo a TESS, na qual estamos atualmente a trabalhar”, disse Valizadegan. “Há espaço para crescermos.”

 

Fonte da notícia: JPL

Tradução: Teresa Direitinho

 

New Deep Learning Method Adds 301 Planets to Kepler’s Total Count

Scientists recently added a whopping 301 newly validated exoplanets to the total exoplanet tally. The throng of planets is the latest to join the 4,569 already validated planets orbiting a multitude of distant stars. How did scientists discover such a huge number of planets, seemingly all at once? The answer lies with a new deep neural network called ExoMiner.

Over 4,500 planets have been found around other stars, but scientists expect that our galaxy contains millions of planets. There are multiple methods for detecting these small, faint bodies around much larger, bright stars. Credit: NASA/JPL-Caltech.

Deep neural networks are machine learning methods that automatically learn a task when provided with enough data. ExoMiner is a new deep neural network that leverages NASA’s Supercomputer, Pleiades, and can distinguish real exoplanets from different types of imposters, or “false positives.” Its design is inspired by various tests and properties human experts use to confirm new exoplanets. And it learns by using past confirmed exoplanets and false positive cases. […] Read the original article at JPL.

Classificação dos leitores
[Total: 0 Média: 0]