Encontrado primeiro 'sistema solar' alienígena com 8 planetas

O planeta, conhecido como Kepler-90i, é um dos dois descoberto por uma poderosa rede de dados da NASA.

Por Nadia Drake
Publicado 15 de dez. de 2017, 18:30 BRST, Atualizado 5 de nov. de 2020, 03:22 BRT
Foto de Ilustração Wendy Stenzel, Ames Research Center/NASA

Em um feito inédito na astronomia, cientistas treinaram uma rede neural para peneirar  dados de um telescópio que caça planetas e encontram um mundo completamente novo.

Denominado Kepler-90i, o novo planeta estava escondido nos dados coletados pela nave espacial Kepler da NASA. Ele se junta a outros sete planetas que circundam uma estrela a cerca de 2,5 mil anos-luz de distância, o que significa que o sistema Kepler-90 une nossa própria família planetária para hospedar os mundos mais conhecidos.

"Kepler já nos mostrou que a maioria das estrelas tem planetas", disse Paul Hertz da NASA durante uma conferência de imprensa revelando a descoberta. "Hoje, Kepler confirma que as estrelas podem ter grandes famílias de planetas, assim como o nosso sistema solar".

Nos dias que antecederam a coletiva de imprensa, a especulação ficou voraz em relação a uma possível detecção de vida extraterrestre. Embora este não seja o caso, o anúncio mostra como o aprendizado da máquina pode nos ajudar a aprender mais sobre mundos potencialmente excitantes em toda a galáxia.

Cem mil coisas a ver

Lançada em 2009, a nave espacial Kepler passou 4 anos olhando para 150 mil estrelas em um único pedaço de céu. Sua missão era observar breves interrupções na luz das estrelas causadas por planetas que cruzam pela frente delas. Quando eles acham tal sinal nos dados, os cientistas também podem descobrir quão grande é o planeta e até onde ele orbita sua estrela.

Kepler identificou 2 525 planetas até agora, e pode-se esperar por mais descobertas. Mas não é uma tarefa fácil confirmar se um planeta é real. Classificar por meio da enorme quantidade de dados Kepler à mão é uma tarefa impossível para os seres humanos - esses dados contêm vários quadrilhões possíveis órbitas planetárias. E só a variação do brilho da estrela não significa que um planeta é o culpado: Starspots, parceiros estelares e outros objetos podem imitar a impressão digital de um planeta.

É por isso que Chris Shallue, da Google AI, decidiu usar redes neurais para enfrentar o problema. As abordagens de aprendizagem em máquina foram usadas para filtrar e classificar os dados Kepler antes, mas a rede neural de Shallue ofereceu um algoritmo muito mais poderoso.

"Fiquei interessado em aplicar redes neurais à astronomia quando soube que a missão Kepler havia coletado tantos dados que era impossível para os cientistas examinarem tudo manualmente", diz. "Nossa ideia era transformar essa técnica nos céus e ensinar um sistema de aprendizagem de máquinas como identificar planetas em torno de estrelas distantes".

Um novo e fantástico ponto de vista

Como o nome indica, as redes neurais são baseadas na forma como um cérebro humano funciona. Eles podem ser treinados para identificar e classificar as coisas, como a diferença entre fotos de cães e fotos de gatos. Eventualmente, depois de examinar exemplos suficientes, o computador é capaz de classificar gatos e cães por conta própria.

Shallue treinou uma rede para reconhecer as impressões digitais distintas dos planetas. Ele puxou 15 mil assinaturas reais do planeta do conjunto de dados da Kepler e começou a treinar o sistema para dizer a diferença entre mundos reais e sinais que podem se tornar em máscaras, simulando planetas. Quando ele testou o quão bem sua máquina aprendeu, ele descobriu que ele identificou corretamente os planetas 96% das vezes.

Então era hora de colocar o algoritmo para funcionar de forma real. Shallue e Andrew Vanderburg, da Universidade do Texas, em Austin, nos Estados Unidos, pediram que examinasse algumas 670 estrelas no campo Kepler que já conheciam planetas, uma vez que os planetas são mais propensos a existir em múltiplos.

Então, eles alimentaram sinais de sistemas que não eram considerados fortes o suficiente para que os humanos examinassem manualmente. Nesses sinais, a máquina identificou dois novos planetas, que são descritos em um estudo que será publicado no The Astronomical Journal.

"Estes dois planetas têm sinais fracos que foram perdidos em todas as pesquisas anteriores dessas estrelas", diz Shallue.

Novos horizontes para procurar

Um dos planetas, Kepler-80g, é o sexto mundo conhecido em seu sistema. Aproximadamente o tamanho da Terra, Kepler-80g leva 14,6 dias para orbitar a sua estrela, que é menor e mais vermelha do que o sol.

A rede neural também reconheceu Kepler-90i. Um pouco maior que a Terra e com um ano que dura apenas 2 semanas da Terra, esse planeta também é a terceira rocha desde o sol, uma estrela que é um pouco maior e mais quente do que o sol. Dois planetas, de forma semelhante, cercam a estrela mais perto que Kepler-90i, enquanto os planetas orbitando mais longe da estrela ficam cada vez maiores.

Embora esse elenco de personagens do outro mundo seja grande, todos estão agrupados - todos os oito planetas são espremidos na mesma distância de sua estrela quanto a Terra é do sol.

"Kepler-90i não é um lugar que eu gostaria de visitar", diz Vanderburg. "A superfície provavelmente é quente, calculamos que provavelmente tem uma temperatura média de cerca de 400°C".

Ele acrescenta que o Kepler-90 pode descobrir ainda mais planetas. Ele e Shallue estão planejando executar todo o conjunto de dados Kepler com sua rede neural e ver o que aparece. Mas não se preocupe muito com os computadores que substituiriam os verdadeiros astrônomos humanos.

"Isso funcionará absolutamente ao lado dos astrônomos", diz Jessie Dotson da NASA. "Você nunca vai tirar essa peça. Você precisa ter essas classificações iniciais para treinar seu aprendizado de máquina - e então pode passar por sinais muito mais do que os humanos podem."

loading

Descubra Nat Geo

  • Animais
  • Meio ambiente
  • História
  • Ciência
  • Viagem
  • Fotografia
  • Espaço
  • Vídeo

Sobre nós

Inscrição

  • Assine a newsletter
  • Disney+

Siga-nos

Copyright © 1996-2015 National Geographic Society. Copyright © 2015-2024 National Geographic Partners, LLC. Todos os direitos reservados