28/07/2017 14:39, postada por Gustavo Luiz Furuhata Ferreira

Computação na astronomia

Muitas pessoas acreditam que Computação e Astronomia são ciências totalmente distintas, nas quais cada uma segue seu próprio ramo de pesquisa, não vendo nenhuma relação entre as duas, mas a verdade é que ambas  andam juntas, sendo que todos os avanços na exploração e entendimento do cosmos só foram possíveis graças à combinação dessas duas ciências. Atualmente existem diversas linhas de pesquisa que fazem uso de técnicas de computação para o estudo do cosmos, desde o reconhecimento da superfície terrestre, até a identificação de objetos no espaço interestelar. Conheça agora alguns ramos de pesquisa que fazem uso dessas duas ciências:

 

Aprendizagem de máquina e análise de imagens: Todas as noites, o telescópio Sloan Digital Sky Survey (SDSS) produz 200 GB de dados, e até este momento foram adquiridas cerca de um milhão de imagens de campo, nas quais mais de 200 milhões de galáxias e até mais estrelas foram detectadas. Próximas pesquisas fornecerão volumes de dados muito maiores. As pesquisas geralmente fazem observações espectroscópicas ou fotométricas. A espectroscopia mede a contagem de fótons em milhares de comprimentos de onda e o espectro resultante permite a identificação de componentes químicos do objeto observado e, portanto, permite a determinação de muitas propriedades interessantes. A fotometria tira imagens usando um dispositivo de carga acoplada (CCD), geralmente adquirido através de um punhado de filtros de banda larga, tornando a fotometria muito menos informativa do que a espectroscopia. Após as observações fotométricas e espectroscópicas, um algoritmo é necessário para extrair informações dos dados adquiridos. Os desafios nessas tarefas incluem artefatos de imagem, efeitos espúrios e discernimento entre fusão de pares de galáxias e galáxias que se sobrepõem ao longo da linha de visão. Os fluxos de pesquisa atuais geralmente têm dificuldades para identificar corretamente esses tipos de problemas, que se propagam para os bancos de dados, onde se faz necessário o uso de técnicas de análise de imagens. Um desafio particular é que a cosmologia depende de análises científicas de imagens de longa exposição (imagens tiradas quando o sensor passa mais de um segundo exposto, ou seja, com o obturador aberto. Fotos com uma cachoeira toda aveludada ou um mar todo esfumaçado são exemplos de longa exposição). Devido às dificuldades apresentadas anteriormente, é normal que se espere o uso de técnicas de análise de imagem para pré-processamento e desinfecção. Isto é particularmente importante para a detecção de objetos fracos com emissões de sinais de ruído muito baixo. A detecção automática de objetos é vital para qualquer pipeline de pesquisa, com confiabilidade e integridade sendo métricas essenciais. A integridade refere-se à quantidade de objetos detectados, enquanto a confiabilidade mede quantas das detecções são objetos reais. Maximizar essas métricas requer técnicas avançadas de Análise de Imagem e Aprendizado de Máquina. Além disso, as técnicas de Análise de Imagens permitem um novo modo de visualização de morfologia de galáxias.



 

imagemartigo.jpg

         Figura 1. Forma da galáxia. Da esquerda para a direita, a imagem original de uma fusão de galáxias, a representação da escala-espaço das galáxias, a curvatura (uma medida de como a estrutura local é pronunciada), o índice de forma e, finalmente, o índice de forma ponderado pela curvatura.

 

Os métodos de aprendizagem de máquina podem descobrir a relação entre dados de entrada (imagens de galáxias) e saídas (propriedades físicas das galáxias) com base em amostras coletadas, e já provaram sucesso em vários contextos astrofísicos. Por exemplo, alguns pesquisadores usam análise bayesiana para encontrar o quasar mais distante até o momento. Estes objetos extremamente brilhantes se formam no centro das grandes galáxias e são muito raros. A comparação bayesiana ajudou os cientistas a selecionar alguns dos mais prováveis objetos para re-observação de milhares de candidatos.

 

Processamento de Alto Desempenho (PAD): A área de Simulações Astrofísicas usa frequentemente as técnicas de Processamento de Alto Desempenho para suas análises. Essas simulações requerem muito poder de processamento computacional para simular choques entre galáxias, instabilidades ou colapsos, por exemplo. Analisar os dados decorrentes desses eventos astrofísicos também não seria fácil sem ferramentas de visualização computacional. O uso da linguagem de script de alto nível Python permitiu novos mecanismos de descoberta e visualização de dados científicos. Desse modo, um time de pesquisadores desenvolveu um software open-source chamado yt, todo feito em Python, que utiliza dados gerados por simulações de computação de alto desempenho de fenômenos astrofísicos. Por meio de uma separação de responsabilidades no código Python subjacente, yt permite que os dados gerados por plataformas de simulação astrofísicas incompatíveis e, às vezes, diretamente concorrentes, sejam analisados ??de forma consistente, com foco em quantidades fisicamente relevantes em vez de quantidades originais para códigos de simulação astrofísica.

 

Mineração de dados: A área de Astrofísica Solar, particularmente a subárea de Clima Espacial, é outra linha de pesquisa que pode usar técnicas de Mineração de Dados para prever a ocorrência da ejeção de massa coronal (CME - Coronal Mass Ejection). Um exemplo de aplicação consiste no uso de algoritmos de árvores de decisão, regras de classificação e meta-aprendizagem, além do treinamento de algoritmos de mineração para capacitá-los a classificar instâncias em uma variável categórica, que, no caso, representa a situação de tempestades geomagnéticas, que podem ser: inexistente, fraca, moderada, intensa ou muito intensa.

 

Inteligência Artificial: A Inteligência Artificial é uma das áreas da Computação que mais cresce no ramo da Astronomia, sendo que suas aplicações podem ser utilizadas nas mais diversas áreas. Alguns exemplos de utilização incluem o Mars Rover Curiosity, da Nasa, que explora a superfície de Marte e tem a habilidade de decidir quais pedras e áreas são cientificamente interessantes e depois usar seu laser e câmera telescópica para investigá-las ou atingi-las, tudo isso sozinho, sem a necessidade de assistência de humanos. Um outro exemplo da utilização da Inteligência Artificial inclui um trabalho colaborativo internacional, que reúne astrofísicos, estatísticos e cientistas da computação, que faz uma classificação de galáxias utilizando Inteligência Artificial. Um dos objetivos é mostrar como a participação das máquinas tornou-se imprescindível e fundamental em experimentos dessa natureza.

MarsRover-curiosity_625.jpg

              Figura 2. Foto do Mars Rover Curiosity na superfície de Marte.

 

Games: O astrofísico mais conhecido da cultura popular, Neil DeGrasse Tyson, vai lançar um jogo chamado Space Odyssey. O título será uma mistura de plataforma educacional com mecânicas de construção, como Minecraft, e estratégia, no qual os jogadores poderão criar e expandir suas galáxias em uma experiência solo ou online. De acordo com o site oficial, a jogabilidade será fundada em fatos científicos e astronômicos e todo o processo será guiado pelo próprio Tyson no jogo. Além de poder criar galáxias inteiras, também será possível colonizar outros mundos, descobrir novas formas de vida e civilizações. Para isso, será necessário obter materiais, recursos e conhecimento. Além disso, segundo Mark Murphy, um dos criadores do jogo, em entrevista para o Digital Trends, também será possível encontrar e explorar galáxias de outros jogadores, incluindo outros cientistas famosos e personalidades, como Bill Nye, George R.R. Martin, Neil Gaiman e o próprio Tyson.


 

 

Referências:

 

COLPO, Miriam Pizzatto. Aplicação De Mineração De Dados Na Avaliação Da Relação Entre Tempestades Geomagnéticas E Muons; Universidade Federal de Santa Maria, 2011. p. 1 - 63. Acesso em: 13 jul. 2017.

 

GAUDIN, Sharon. Mars rover da NASA usa inteligência artificial para estudar planeta vermelho, obtido via internet: < http://idgnow.com.br/internet/2016/07/22/mars-rover-da-nasa-usa-inteligencia-artificial-para-estudar-planeta-vermelho/>. Acesso em 13 jul. 2017.

 

GRADVOHL, André. Astronomia e Computação, obtido via internet: < http://cienciaecomputacao.blogspot.com.br/2015/10/astronomia-e-computacao.html>. Acesso em 7 jul. 2017.

 

KREMER, Jan; STENSBO-SMIDT, Kristoffer; GIESEKE, Fabian; PEDERSEN, Kim Steenstrup; IGEL, Christian. Big Universe, Big Data: Machine Learning and Image Analysis for Astronomy. In: IEEE Intelligent Systems, 4., 2017,: Ieee, 2017. p. 1 - 7. Disponível em: < http://ieeexplore.ieee.org/document/7887648/>. Acesso em: 6 jul. 2017.

 

TURK, Matthew J.; SMITH, Britton D. High-Performance Astrophysical Simulations and Analysis with Python; In: Proceedings of the PyHPC2011 workshop at Supercomputing 2011, 2011. p. 1 - 10. Acesso em: 13 jul. 2017.

 

Astrofísico Neil DeGrasse Tyson lançará jogo de exploração espacial em VR, obtido via internet:. Acesso em 13 jul. 2017.

 

Novo método de classificação de galáxias utiliza inteligência artificial, obtido via internet: < https://jornal.usp.br/atualidades/novo-metodo-de-classificacao-de-galaxias-utiliza-inteligencia-artificial/>. Acesso em 13 jul. 2017.