Estudante da UFABC desenvolve projeto com Inteligência Artificial para busca de exoplanetas durante estágio no Lab-IA/CBPF
Durante seis semanas de estágio no Lab-IA/CBPF, a estudante de Física Gabriela Reisch, da UFABC, desenvolveu um projeto que utiliza inteligência artificial para auxiliar na identificação de exoplanetas. A pesquisa aplicou redes neurais à análise de dados do telescópio TESS, da NASA, demonstrando como técnicas de aprendizado de máquina podem contribuir para os desafios da astronomia moderna.
Ver no InstagramDurante seis semanas, a graduanda em física Gabriela Reisch, da Universidade Federal do ABC (UFABC), realizou um estágio de pesquisa no Laboratório de Inteligência Artificial para a Física (Lab-IA), do Centro Brasileiro de Pesquisas Físicas (CBPF). A atividade foi desenvolvida por meio do programa Aristides Pacheco Leão, com apoio da FAPESP e da Academia Brasileira de Ciências (ABC).
O projeto teve como foco a aplicação de técnicas de inteligência artificial na busca por exoplanetas, planetas que orbitam estrelas fora do Sistema Solar. A iniciativa permitiu que Gabriela vivenciasse na prática um dos campos mais promissores da astronomia contemporânea, que combina ciência de dados, aprendizado de máquina e observações astronômicas em larga escala.
Inteligência artificial na busca por novos mundos
A descoberta de exoplanetas é um dos grandes desafios da astronomia moderna. Como esses objetos estão localizados a enormes distâncias da Terra e não emitem luz própria, sua observação direta é extremamente difícil. Por isso, os cientistas frequentemente utilizam métodos indiretos para identificá-los.
Um dos mais utilizados é o chamado método do trânsito planetário. Quando um planeta passa em frente à sua estrela, do ponto de vista do observador, ele bloqueia uma pequena fração da luz emitida. Essa variação é registrada em gráficos conhecidos como curvas de luz, que mostram a intensidade do brilho da estrela ao longo do tempo.
Quando há um planeta orbitando a estrela, essas curvas apresentam quedas periódicas características. O desafio é que missões espaciais como o telescópio TESS (Transiting Exoplanet Survey Satellite), da NASA, monitoram simultaneamente milhares de estrelas, gerando uma quantidade gigantesca de dados.
Analisar manualmente todas essas informações seria uma tarefa praticamente impossível.
Treinando algoritmos para identificar exoplanetas
Foi nesse contexto que se inseriu o projeto desenvolvido por Gabriela durante sua estadia no Lab-IA.
A primeira etapa do trabalho consistiu na preparação e tratamento dos dados disponibilizados pela NASA. Antes de serem utilizados por algoritmos de inteligência artificial, esses dados precisam passar por processos de organização e padronização que garantam a qualidade das análises.
Na etapa seguinte, foi realizado o treinamento de uma rede neural, um modelo computacional inspirado no funcionamento de sistemas biológicos, capaz de aprender padrões a partir de exemplos.
O treinamento ocorre utilizando milhares de curvas de luz cuja classificação já é conhecida. Ao comparar suas previsões com as respostas corretas, a rede ajusta progressivamente seus parâmetros internos, melhorando sua capacidade de reconhecer sinais associados à presença de exoplanetas.
Além disso, técnicas de aumento e variação dos dados são utilizadas durante o treinamento para tornar o modelo mais robusto, permitindo que ele identifique padrões gerais em vez de apenas memorizar exemplos específicos.
Mais eficiência para a astronomia moderna
Ao final do processo, a rede neural é capaz de analisar milhares de curvas de luz em poucas horas, identificando possíveis sinais de exoplanetas e diferenciando-os de ruídos instrumentais ou de outros fenômenos astronômicos que podem produzir assinaturas semelhantes, como sistemas binários eclipsantes.
Na prática, a inteligência artificial atua como uma primeira etapa de triagem dos dados, reduzindo o volume de informações que precisam ser analisadas manualmente pelos pesquisadores.
Essa abordagem permite acelerar o processo de descoberta de novos candidatos a exoplanetas e otimizar o trabalho científico em projetos que lidam com grandes volumes de dados observacionais.
Uma experiência de formação científica
Além do desenvolvimento técnico do projeto, o estágio proporcionou à estudante uma experiência de imersão em um ambiente de pesquisa interdisciplinar, convivendo com pesquisadores que atuam em áreas como inteligência artificial, astrofísica, cosmologia e computação científica.
“Foram seis semanas de muito aprendizado aqui no CBPF, convivendo com pesquisadores de diferentes áreas. Agradeço ao professor Clécio De Bom e à mestranda Mariana Bittencourt pela orientação e pelo apoio ao longo do projeto. Também agradeço à FAPESP e à Academia Brasileira de Ciências pela oportunidade de participar deste intercâmbio pelo programa Aristides Pacheco Leão”, comenta Gabriela.
Formação de novos pesquisadores
A participação de estudantes em programas de intercâmbio científico e iniciação à pesquisa faz parte dos esforços do Lab-IA e do CBPF para fortalecer a formação de novos pesquisadores em áreas estratégicas da ciência contemporânea.
Projetos como o desenvolvido por Gabriela demonstram como a integração entre física, astronomia e inteligência artificial vem abrindo novas possibilidades para investigar o universo e enfrentar desafios científicos que exigem cada vez mais o uso de técnicas avançadas de análise de dados e computação.