Cientistas da University of Warwick confirmaram 50 potenciais planetas, com a ajuda de um novo algoritmo. Assim, utilizaram um processo baseado na machine learning, que é um tipo de Inteligência Artificial, a fim de analisar o potencial de cada objeto a planeta.
Pela primeira vez, o algoritmo utilizado permitiu distinguir os planetas reais dos falsos e diferenciar os falsos positivos.
50 novos planetas descobertos por um novo algoritmo
Os resultados deste novo estudo foram publicados na Monthly Notices of the Royal Astronomical Society. Conforme é revelado, foram confirmados 50 potenciais planetas, através de um novo algoritmo de machine learning. Assim, foi possível distinguir os planetas reais dos falsos, pela primeira vez.
Além disso, foi também uma estreia da comparação e contraste, em grande escala, de novas técnicas de validação de planetas. Para isso, e para confirmar estatisticamente futuras descobertas de exoplanetas, uma das técnicas foi, então, a aprendizagem de máquina.
Machine learning: o segredo do estudo
Normalmente, as investigações que envolvem exoplanetas procuram quantidades maciças de dados recolhidos através de telescópio. Ou seja, recolhem os sinais de passagem de planetas entre a Terra e a sua estrela hospedeira, num processo de transição.
Assim, quando esta transição acontece, a luz da estrela diminui a intensidade até um grau que permite que seja captada pelos telescópios. Contudo, podem suceder-se quedas em sistema estelares binários, interferência ou erros na câmara. As várias interferências possíveis exigem uma forma de distinguir exoplanetas reais dos falsos.
Isto, porque as técnicas anteriores classificavam os candidatos a planetas, mas nunca foram capazes de distinguir se um possível planeta o era efetivamente.
Tendo em conta esta necessidade, investigadores do departamento de física e informática de Warwick construíram um algoritmo baseado em machine learning. Assim, é capaz de diferenciar os planetas reais dos falsos, através de grandes amostras, captadas durante missões telescópicas como o TESS e do Kepler, da NASA.
O método foi preparado para identificar planetas reais, com a ajuda de duas grandes amostras de planetas confirmados e de falsos positivos, da extinta missão Kepler. Depois, os investigadores utilizaram o algoritmo em dados não confirmados, da missão Kepler, revelando 50 novos planetas. Assim, esta foi a primeira validação de machine learning.
Os planetas descobertos e confirmados variam entre eles, desde o tamanho, à órbita. Agora que descobriram que os potenciais planetas o são, de facto, os cientistas podem avançar com observações contínuas e descobrir mais sobre cada um deles.