Estudante da FCUP criou algoritmo de IA que ajuda a identificar objetos astronómicos

Trabalho de estudante do doutoramento em Astronomia

O estudante do doutoramento em Astronomia da Faculdade de Ciências da Universidade do Porto (FCUP), Pedro Cunha, criou um algoritmo de inteligência artificial (machine learning) que ajuda a identificar objetos astronómicos. 

“Este trabalho nasceu como um projeto paralelo da minha dissertação de mestrado. É a combinação de tudo o que aprendi durante o tempo que passei num projeto único", explica o estudante, mestre em Astronomia e Astrofísica e licenciado em Matemática. 

O SHEEP é uma pipeline de inteligência artificial supervisionada, que estima desvios para o vermelho fotométricos e que, mais tarde, usa esta informação para classificar objetos astronómicos como galáxias, quasares ou estrelas. “A informação fotométrica é a mais fácil de obter e por isso é muito importante numa primeira análise à natureza dos objetos observados", detalha. 

A classificação de objetos astronómicos sempre foi um problema e agora tem uma solução apresentada por este doutorando da FCUP. A distâncias quase inimagináveis, por vezes torna-se difícil para os astrofísicos distinguir se estes objetos são estrelas, galáxias, quasares, supernovas ou nebulosas, por exemplo, e daí a importância desta ferramenta que determina a natureza dos astros. O jovem investigador do Instituto de Astrofísica e Ciências do Espaço (IA) desenvolveu o seu trabalho com Andrew Humphrey, coorientador do doutoramento e também investigador do IA. 

As novidades do SHEEP

Uma das novidades do processo é que o SHEEP, antes de iniciar a classificação, primeiro estima desvios para o vermelho fotométricos, informação que é adicionada aos dados, como uma característica adicional para a aprendizagem do modelo de classificação.

A equipa descobriu que, ao incluir estes dados junto com as coordenadas (ascensão reta e declinação) dos objetos, a inteligência artificial era capaz de percecionar o Universo em 3D e de usar esse conhecimento, em paralelo com informação de cor, para fazer estimativas mais precisas das propriedades dos objetos. Por exemplo, o algoritmo aprendeu que há uma maior probabilidade de encontrar estrelas mais perto do plano da Via Láctea do que nos polos galácticos. 

“Uma das coisas mais excitantes é ver como este algoritmo nos está a ajudar a compreender melhor o Universo. O nosso método indicou-nos um caminho possível, com novos a serem criados durante o processo. É uma era excitante para a astronomia!”, remata o estudante da FCUP. Os resultados deste trabalho estão publicados na revista Astonomy & Astrophysics. 


© EPFL | Mapa tridimensional do Universo, obtido pela colaboração eBOSS, do SDSS. 







Divulgue os seus eventos e projetos | comunica@fc.up.pt    


Renata Silva. SICC. 26-05-2022