Pop up my Cbox

quinta-feira, 20 de maio de 2021

27 milhões de morfologias galácticas quantificadas e catalogadas com a ajuda de aprendizagem de máquina

 

 Imagem de NGC 1365 capturada pelo DES (Dark Energy Survey). Também conhecida como a Grande Galáxia Espiral Barrada, NGC 1365 é um exemplo de uma galáxia espiral e está localizada a 56 milhões de anos-luz de distância.Crédito: DECam, Colaboração DES

Uma investigação do Departamento de Física e Astronomia da Universidade da Pensilvânia, EUA, produziu o maior catálogo, até à data, da classificação morfológica de galáxias. Liderado pelos ex-pós-doutorados Jesús Vega-Ferrero e Helena Domínguez Sánchez, que trabalharam com a professora Mariangela Bernardi, este catálogo de 27 milhões de morfologias galácticas fornece informações importantes sobre a evolução do Universo. O estudo foi publicado na revista Monthly Notices of the Royal Astronomical Society. 

Os cientistas usaram dados do DES (Dark Energy Survey), um programa de pesquisa internacional cujo objetivo é obter imagens de um-oitavo do céu para melhor compreender o papel da energia escura na expansão acelerada do Universo. 

Um subproduto deste levantamento é que os dados do DES contêm muito mais imagens de galáxias distantes do que outros levantamentos até agora. "As imagens do DES mostram-nos como as galáxias eram há mais de 6 mil milhões de anos," diz Bernardi.

 E dado que o DES tem milhões de imagens de alta qualidade de objetos astronómicos, é o conjunto de dados perfeito para estudar a morfologia galáctica. "A morfologia galáctica é um dos principais aspetos da evolução galáctica. A forma e a estrutura das galáxias fornecem muitas informações sobre o modo como foram formadas, e ao saber as suas morfologias temos pistas sobre os prováveis percursos para a formação das galáxias," diz Domínguez Sánchez. 

Anteriormente, os investigadores publicaram um catálogo morfológico para mais de 600.000 galáxias do SDSS (Sloan Digital Sky Survey). Para tal, desenvolveram uma rede neuronal convolucional, um tipo de algoritmo de aprendizagem de máquina, que foi capaz de categorizar automaticamente se uma galáxia pertencia a um dos dois grupos principais: galáxias espirais, que têm um disco giratório onde nascem novas estrelas, e galáxias elípticas, que são maiores e compostas por estrelas mais velhas que se movem mais aleatoriamente do que as suas homólogas espirais. 

Mas o catálogo desenvolvido usando o conjunto de dados do SDSS foi composto principalmente por galáxias próximas e brilhantes, diz Vega-Ferrero. No seu estudo mais recente, os investigadores quiseram refinar o seu modelo de rede neuronal para poder classificar galáxias mais distantes e fracas. "Queríamos ultrapassar os limites da classificação morfológica e tentar ir mais além, para objetos mais ténues ou objetos mais distantes," acrescentou Vega-Ferrero. 

Com este objetivo, os cientistas primeiro tiveram que treinar o seu modelo de rede neuronal para poder classificar as imagens mais pixelizadas do conjunto de dados DES. Criaram em primeiro lugar um modelo de treino com classificações morfológicas previamente conhecidas, composto por um conjunto de 20.000 galáxias que se sobrepunham entre o DES e o SDSS. De seguida, criaram versões simuladas de novas galáxias, imitando a aparência das imagens se estivessem mais distantes usando o código desenvolvido pelo cientista Mike Jarvis. 

Assim que o modelo foi treinado e validado tanto em galáxias simuladas como em reais, foi aplicado ao conjunto de dados DES, e o catálogo resultante de 27 milhões de galáxias inclui informações sobre a probabilidade de uma galáxia individual ser elíptica ou espiral. Os investigadores também descobriram que a sua rede neuronal tinha uma precisão de 97% na classificação morfológica das galáxias, mesmo para galáxias demasiado fracas para serem classificadas a olho. 

"Nós empurrámos os limites em três ordens de magnitude, para objetos que são 1000 vezes mais fracos do que os originais," salienta Vega-Ferrero. "É por isso que conseguimos incluir muito mais galáxias no catálogo." 

"Catálogos como este são essenciais para o estudo da formação galáctica," diz Bernardi acerca da importância desta última publicação. "Este catálogo também será útil para ver se a morfologia e as populações estelares contam histórias semelhantes sobre como as galáxias se formaram." 

Para o último ponto, Domínguez Sánchez está atualmente a combinar as suas estimativas morfológicas com medições da composição química, idade, ritmo de formação estelar, massa e distância das mesmas galáxias. A incorporação destas informações permitirá aos investigadores estudar melhor a relação entre a morfologia das galáxias e a formação estelar, trabalho que será crucial para um entendimento mais profundo da evolução galáctica. 

Bernardi diz que há uma série de questões em aberto sobre a evolução galáctica que tanto este novo catálogo quanto os métodos desenvolvidos para o criar podem ajudar a resolver. O próximo levantamento do Observatório Vera C. Rubin (anteriormente LSST, Large Synoptic Survey Telescope), por exemplo, vai usar métodos fotométricos parecidos ao do DES, mas terá a capacidade de gerar imagens de objetos ainda mais distantes, fornecendo uma oportunidade para obter uma compreensão ainda mais profunda da evolução do Universo.

Fonte: Astronomia OnLine

Nenhum comentário:

Postar um comentário