A IA revoluciona a classificação cósmica: 27 milhões de objetos celestes mapeados por rede neuronal

A IA inaugura uma nova era no mapeamento do universo

Durante séculos, os astrónomos contemplaram o céu noturno, procurando desvendar os mistérios das estrelas, das galáxias e da vasta teia cósmica que as une. Hoje, a simples escala do universo apresenta um novo desafio: como classificar e compreender milhares de milhões de objetos celestes quando os métodos tradicionais mal conseguem acompanhar o ritmo? Numa avançada inovadora, uma equipa de cientistas dos Observatórios de Yunnan, na China, desenvolveu um modelo de inteligência artificial (IA) que já classificou mais de 27 milhões de objetos cósmicos — estrelas, galáxias e quasares — ao longo de uma vasta extensão do céu. Este feito marca um momento decisivo na astronomia, prometendo transformar a forma como exploramos e compreendemos o universo.

Porque é tão desafiadora a classificação do cosmos

A astronomia moderna vive no meio de uma explosão de dados. Telescópios avançados e levantamentos do céu, como o Sloan Digital Sky Survey (SDSS), o Kilo-Degree Survey (KiDS) e a missão Euclid da Agência Espacial Europeia, captam imagens e medições de milhares de milhões de objetos. Cada novo levantamento acrescenta terabytes de dados, revelando galáxias a milhares de milhões de anos-luz, supernovas e a intrincada estrutura da teia cósmica.

Tradicionalmente, os astrónomos recorreram à espectroscopia — a análise da luz de um objeto para determinar a sua composição, distância e tipo. A espectroscopia é precisa, mas lenta e intensiva em recursos. Com o volume de dados agora disponível, é simplesmente impossível para os humanos acompanharem o ritmo através de métodos manuais ou mesmo semiautomáticos. Como resultado, os astrónomos recorreram cada vez mais aos levantamentos fotométricos, que captam imagens em diferentes cores (comprimentos de onda) mas carecem das informações detalhadas dos espectros. Embora mais rápidos, os dados fotométricos podem ser ambíguos: galáxias distantes, estrelas e quasares surgem frequentemente como pequenos pontos brilhantes, o que dificulta a distinção com base apenas na forma.

Os limites da classificação humana e da classificação tradicional por máquinas

Os esforços para automatizar a classificação incluíram algoritmos clássicos de aprendizagem automática — como árvores de decisão e florestas aleatórias — e, mais recentemente, redes neuronais de aprendizagem profunda. Estes métodos atingiram uma precisão notável, mas os desafios persistem, especialmente para objetos ténues ou distantes, ou em regiões obscurecidas por pó cósmico. Como constatou um estudo da Universidade de La Serena, no Chile, os modelos de aprendizagem automática podem ter dificuldades em regiões difíceis como a "zona de evitamento", onde o pó bloqueia grande parte da luz visível, levando a taxas de erro elevadas, a menos que os modelos sejam treinados com dados diversificados e de múltiplos comprimentos de onda.

Como funciona o modelo chinês de IA

O novo modelo de IA desenvolvido pela equipa dos Observatórios de Yunnan representa um avanço significativo. Ao contrário de abordagens anteriores que dependiam apenas da aparência (morfologia) ou da cor (distribuição espectral de energia, ou SED) dos objetos, esta rede neuronal processa simultaneamente ambos os tipos de informação. Este conceito de dupla entrada permite à IA detetar diferenças subtis entre estrelas, galáxias e quasares que de outra forma poderiam passar despercebidas.

O modelo foi treinado com fontes confirmadas espectroscopicamente a partir da 17.ª versão de dados do SDSS — um padrão ouro na classificação astronómica. Foi depois testado com imagens do levantamento KiDS, com foco em objetos mais brilhantes que a magnitude r = 23, abrangendo cerca de 1 350 graus quadrados de céu. O resultado: mais de 27 milhões de objetos classificados com uma velocidade e precisão notáveis.

Validação e precisão em vários levantamentos

Para garantir a fiabilidade, a equipa validou o seu modelo com dados de outros levantamentos importantes. Quando aplicado a 3,4 milhões de fontes da missão Gaia — principalmente estrelas com movimentos bem conhecidos — a IA identificou corretamente 99,7% como estrelas. Uma taxa de sucesso semelhante foi obtida com o levantamento Galaxy And Mass Assembly (GAMA), onde 99,7% das galáxias e quasares foram classificados com precisão. Em alguns casos, a IA chegou mesmo a corrigir erros passados, reclassificando objetos anteriormente mal identificados em catálogos mais antigos.

Este elevado nível de precisão demonstra a robustez do modelo e o seu potencial para melhorar as bases de dados astronómicas existentes, tornando-o uma ferramenta valiosa para a comunidade astronómica.

A IA e a corrida global para mapear o universo

O avanço chinês faz parte de uma tendência mais ampla: astrónomos de todo o mundo competem no desenvolvimento de ferramentas de IA capazes de lidar com o dilúvio de dados provenientes de telescópios de nova geração. A missão Euclid da Agência Espacial Europeia, por exemplo, já mapeou 26 milhões de galáxias numa fração da área de levantamento planeada. Ao longo dos próximos seis anos, a Euclid obterá imagens de mais de 1 500 milhões de galáxias, enviando cerca de 100 gigabytes de dados por dia. De forma semelhante, espera-se que o novo Observatório Vera Rubin detete milhões de novas supernovas e outros eventos transitórios, com ferramentas de IA como o Bright Transient Survey Bot (BTSbot) já a automatizar o processo de descoberta e classificação de supernovas no levantamento Zwicky Transient Facility.

Ciência cidadã e IA: uma parceria poderosa

Dada a escala do desafio, os astrónomos recorrem também à ajuda do público. Projetos como o Galaxy Zoo e o novo "Galaxy Zoo: Euclid" convidam voluntários de todo o mundo a ajudar a classificar as formas das galáxias. Estes cientistas cidadãos trabalham ao lado de algoritmos de IA — como o ZooBot — que tratam dos casos mais simples e remetem as imagens mais complexas para os humanos. Esta colaboração não só acelera a classificação como também ajuda a treinar e a melhorar a IA, criando um ciclo virtuoso de descoberta.

O Telescópio Espacial James Webb, da NASA, e a missão Euclid recorrem ambos a esta abordagem híbrida, com milhares de voluntários e IA avançada a trabalharem juntos para construir os maiores e mais detalhados catálogos de morfologia de galáxias alguma vez elaborados.

Como a IA está a mudar a astronomia

O impacto da IA na astronomia vai muito além da velocidade. Ao classificar rapidamente e com precisão vastos números de objetos, a IA permite aos cientistas:

• Descobrir objetos raros ou invulgares, como galáxias anelares ou quasares distantes, que de outra forma passariam despercebidos.
• Rastrear a estrutura e a evolução das galáxias ao longo do tempo cósmico, esclarecendo como o universo mudou ao longo de milhares de milhões de anos.
• Mapear a distribuição da matéria escura e da energia escura analisando as formas e posições das galáxias e os efeitos da lente gravitacional.
• Melhorar a precisão e a exaustividade dos catálogos astronómicos, corrigindo erros passados e preenchendo lacunas.

Por exemplo, a recente descoberta de 30 000 galáxias anelares raras por uma combinação de IA e cientistas cidadãos no projeto GALAXY CRUISE proporcionou uma amostra suficientemente grande para uma análise científica significativa, revelando novas perspetivas sobre a formação destas estruturas invulgares — frequentemente através da colisão de galáxias espirais.

Inovações técnicas: análise multimodal e ao nível do pixel

Os avanços recentes da IA para a astronomia incluem arquiteturas de aprendizagem profunda multimodais, que combinam dados de imagens com metadados tabulares (como luminosidade, cor e desvio para o vermelho) para melhorar a precisão. Estudos demonstraram que estes modelos superam os que utilizam apenas um tipo de dados, atingindo maior precisão e recall com menos épocas de treino. Algumas ferramentas, como o Morpheus AI desenvolvido na UC Santa Cruz, analisam até imagens pixel a pixel, permitindo uma classificação morfológica detalhada e a identificação de estruturas complexas no interior das galáxias.

Estas inovações são essenciais à medida que os levantamentos se tornam mais ambiciosos. A missão Euclid, por exemplo, visa mapear a distribuição tridimensional da matéria escura medindo as distorções subtis nas formas das galáxias causadas pela lente gravitacional — uma tarefa que seria impossível sem técnicas avançadas de IA e de aprendizagem automática.

Limites e desafios da IA na astronomia

Apesar destes avanços, a IA não é uma panaceia. A precisão de qualquer modelo depende em grande medida da qualidade e da diversidade dos seus dados de treino. Modelos treinados num único levantamento podem não desempenhar-se tão bem com dados de instrumentos ou regiões do céu diferentes, especialmente em ambientes desafiantes como a zona de evitamento. Como destacam investigações recentes, os modelos de aprendizagem automática podem ter dificuldades em classificar objetos em regiões obscurecidas por pó ou com propriedades invulgares, falhando por vezes em detetar ou identificar corretamente uma fração significativa de objetos.

Além disso, os modelos de IA podem herdar vieses dos seus dados de tendencialmente ignorando fenómenos raros ou inesperados. É por isso que o conhecimento especializado humano e a ciência cidadã continuam a ser cruciais, tanto para validar os resultados da IA como para descobrir o verdadeiramente novo.

Direções futuras: uma IA mais inteligente e adaptável

A equipa dos Observatórios de Yunnan e outros estão agora a trabalhar para melhorar a capacidade dos seus modelos de lidar com objetos ainda mais ténues e de se adaptar a novos levantamentos com características diferentes. Isto inclui o treino com conjuntos de dados mais diversificados, a incorporação de dados de múltiplos comprimentos de onda e o desenvolvimento de algoritmos capazes de sinalizar casos incertos ou invulgares para revisão humana.

À medida que a IA continua a evoluir, a sua parceria com os astrónomos — profissionais e amadores — será fundamental para desvendar os segredos do universo.

Implicações mais amplas: uma nova era de ouro da descoberta

A ascensão da IA na astronomia não é apenas uma conquista técnica; representa uma profunda mudança na forma como a ciência é feita. Ao automatizar o trabalho tedioso da classificação, a IA liberta os astrónomos para se concentrarem na interpretação, na teoria e na procura do desconhecido. Também democratiza a descoberta, permitindo que qualquer pessoa com acesso à internet contribua para o mapeamento do cosmos.

Com missões como a Euclid, o James Webb e o Observatório Vera Rubin prontas a produzir volumes de dados sem precedentes, a combinação de IA, aprendizagem automática e ciência cidadã inaugura uma nova era de ouro da descoberta astronómica. O universo é vasto e misterioso, mas com estas novas ferramentas, estamos mais bem equipados do que nunca para explorar as suas profundezas.

Em resumo

• Um modelo chinês de IA classificou mais de 27 milhões de estrelas, galáxias e quasares, marcando um grande avanço na análise de dados astronómicos.
• O modelo utiliza características tanto morfológicas como de distribuição espectral de energia para uma elevada precisão, validada em vários levantamentos.
• A IA é essencial para lidar com os massivos dados dos levantamentos do céu modernos, como a Euclid e o Observatório Vera Rubin.
• Projetos de ciência cidadã, como o Galaxy Zoo, trabalham ao lado da IA para classificar objetos complexos ou ambíguos, melhorando tanto a velocidade como a precisão.
• A IA permite a descoberta de objetos raros e a correção de erros em catálogos anteriores, mas continua a enfrentar desafios em regiões difíceis e com fenómenos invulgares.
• O futuro da classificação cósmica passa por modelos de IA mais inteligentes e mais adaptáveis, e por uma colaboração continuada entre máquinas e humanos.