Uma pesquisa brasileira está usando inteligência artificial para enfrentar um dos novos desafios da astronomia: decidir quais fenômenos observados no céu merecem ser investigados primeiro. O trabalho, desenvolvido por Phelipe Darc, doutorando do Centro Brasileiro de Pesquisas Físicas (CBPF) e integrante do Laboratório de Computação e Inteligência Artificial (LAB-IA), recebeu o prêmio de melhor trabalho em uma escola internacional dedicada a aprendizado de máquina aplicado à ciência.

O reconhecimento ocorreu durante a “Advanced School in Applied Machine Learning: Uncertainty and Robustness of Deep Learning Models for Science”, realizada em julho, em Trieste, na Itália. O evento foi promovido pelo International Centre for Theoretical Physics (ICTP), em parceria com outras instituições de pesquisa italianas.

O desafio dos alertas astronômicos

A pesquisa de Darc mira um problema que deve ganhar ainda mais importância com a operação do Observatório Vera C. Rubin, instalado no Chile. O telescópio observa grandes áreas do céu repetidamente e identifica objetos que mudam de brilho ou comportamento ao longo do tempo.

Entre esses registros estão os chamados transientes. São fenômenos temporários, como supernovas e explosões estelares, que podem desaparecer ou mudar rapidamente. Por isso, alguns precisam ser observados por outros telescópios em pouco tempo.

O volume de alertas, porém, torna a seleção dos candidatos uma tarefa complexa. Não há tempo de acompanhar todos os eventos com o mesmo nível de detalhe e a prioridade precisa considerar o objetivo de cada pesquisa e o tipo de fenômeno que pode gerar informação científica relevante.

Darc explicou em nota que “todas as noites, corremos o risco de perder transientes interessantes que poderiam nos ajudar a compreender o Universo e os mecanismos físicos por trás dessas explosões. Isso acontece por causa da enorme quantidade de dados que precisamos analisar e do número de observações que precisamos propor. Por isso, necessitamos de sistemas inteligentes de recomendação que ajudem a comunidade astronômica a aproveitar plenamente as capacidades dos telescópios e a descobrir supernovas raras e outros eventos explosivos ainda em sua fase de ascensão”.

Agentes de IA como recomendadores

É justamente nessa etapa que entra a proposta apresentada pelo pesquisador. O trabalho “Intelligent Agents and Physical Modeling of Transients in the Rubin Era” combina agentes de inteligência artificial com modelagem física e modelos bayesianos. A ideia é criar um sistema capaz de avaliar os candidatos identificados pelo Rubin e recomendar aqueles que têm maior potencial para determinada investigação. O sistema levaria em conta tanto as características do evento quanto o perfil e os objetivos do pesquisador.

Na prática, a tecnologia poderia ajudar a definir quais fenômenos devem ser acompanhados com observações adicionais. Isso inclui análises no infravermelho, no espectro óptico e estudos de espectroscopia.

A proposta não coloca a IA no lugar dos astrônomos. O papel dos agentes seria organizar e filtrar grandes quantidades de informações, reduzindo o trabalho necessário para encontrar eventos que mereçam uma análise mais aprofundada. Esse tipo de aplicação ganha importância à medida que os observatórios produzem volumes cada vez maiores de dados, e junto com esse volume vem o desafio de transformar os registros em informações que possam orientar novas descobertas.

O prêmio recebido em Trieste também colocou a pesquisa brasileira em contato com trabalhos de diferentes áreas que utilizam deep learning, inferência baseada em simulações, redes neurais bayesianas e computação de alto desempenho.

IA aplicada à ciência

Organizado pelo ICTP com a International School for Advanced Studies (SISSA), a Trieste Data Science and Artificial Intelligence (TSDS) e a AREA Science Park, o encontro reuniu estudantes de doutorado, pesquisadores de universidades, centros científicos e empresas de tecnologia interessados no uso de aprendizado de máquina em pesquisas científicas. A programação incluiu aulas, tutoriais e apresentações.

Para a astronomia, a combinação entre IA e modelos científicos pode abrir espaço para uma nova forma de trabalhar com os dados produzidos por grandes observatórios. No caso do Rubin, a expectativa é que sistemas desse tipo ajudem pesquisadores a encontrar eventos raros antes que a janela de observação se feche.