Cientistas da Universidade de Warwick e do Instituto Alan Turing conseguiu confirmar a existência de 50 exoplanetas em uma grande amostra de candidatos. Isso foi possível graças a aprendizado de máquina, usado pela primeira vez para esse fim. Os resultados do estudo foram publicados na revista Avisos mensais da Royal Astronomical Society.

ELE algoritmo usado pela equipe, é capaz de diferenciar planetas reais de falsos em amostras de dados compostas por milhares de candidatos. Então, para treiná-lo para reconhecer planetas reais, os pesquisadores usaram amostras confirmadas e falso-positivas de planetas da missão do telescópio espacial Kepler. Então, para colocá-lo em prática, o algoritmo foi usado em um banco de dados de candidatos não confirmados, resultando em todos os cinquenta planetas confirmados. Até então, as técnicas do cara selecionavam apenas candidatos, mas ainda não haviam determinado por si mesmas a probabilidade de um candidato ser na verdade um planeta. Assim, ao confirmar que os cinquenta planetas são reais, os astrônomos serão capazes de priorizá-los em observações futuras.

Esses cinquenta planetas variam de mundos menores do que a Terra a mundos maiores do que Netuno, com órbitas que também variam amplamente. O Dr. David Armstrong, professor que trabalhou no estudo, explica que o algoritmo permitiu que eles selecionassem cinquenta candidatos além do limite para validação planetária, que foram promovidos a “planetas reais”. “Esperamos aplicar esta técnica a amostras maiores de candidatos atuais e futuros à missão, como TESS e PLATO”, diz ele. Armstrong destaca que ninguém jamais usou técnicas de aprendizado de máquina para probabilidades, o que é necessário para validar um planeta. “Agora, podemos dar a probabilidade estatística real, mesmo que haja menos de 1% de chance de que um candidato seja um falso positivo, ainda assim é um planeta validado.”

Os exoplanetas são geralmente pesquisados ​​por meio de grandes quantidades de dados de telescópio. Nestes, os astrônomos procuram o trânsito planetário, o que indica que um planeta passou entre o telescópio e a estrela observada, tudo graças a uma pequena variação em sua luz. O problema é que esta não é uma indicação muito precisa, pois essa variação pode ser causada por outras interferências, além de erros da câmera. Por isso é necessária uma validação planetária, já que é hora de excluir possíveis falsos positivos.

Para Armstrong, as técnicas de aprendizado de máquina permitem que ele valide planetas e priorize candidatos mais rapidamente. Claro, demorou algum tempo para treinar o algoritmo, mas uma vez feito isso, será muito mais fácil usar a técnica para futuros candidatos. “Sistemas rápidos e automatizados como este, que podem nos levar a planetas validados em menos etapas, nos permitem fazer isso com eficiência.” Para a equipe, essa ferramenta deve ser usada coletivamente para validar exoplanetas no futuro.

Fonte: Warwick