Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
A IA acelerou a análise de dados do Telescópio Espacial James Webb de anos para dias. O que pode fazer pelo inovador Observatório Rubin?
O processamento de imagens de IA acelerou a análise de dados do Telescópio Espacial James Webb da NASA de anos para meros dias ou menos, dando início a uma avalanche de descobertas inovadoras que de outra forma nunca teriam sido feitas.
E agora, a tecnologia será usada para melhorar a qualidade das imagens tiradas pela empresa chilena Observatório Vera C. Rubina mais nova potência astronômica, para fazê-los parecer tão nítidos como se tivessem sido tirados do espaço.
O Observatório Vera C. Rubin, em homenagem ao astrônomo americano que descobriu uma das principais evidências da existência de matéria escurafica no topo do Cerro Pachón, de 8.770 pés (2.673 metros), nos Andes chilenos. O telescópio iniciou suas operações no ano passado. Ele examina todo o céu a cada três noites, com o objetivo de criar um lapso de tempo de 10 anos dos movimentos dos objetos no céu.
A sua localização no deserto chileno do Atacama, a região mais seca do planeta, permite ao observatório beneficiar de uma atmosfera seca e de um céu limpo durante todo o ano. Ainda assim, as observações de Rubin sofrem distorções significativas, uma vez que a luz de objetos celestes distantes deve passar Atmosfera da Terra antes de atingir os detectores do telescópio.
Um novo Algoritmo de IA desenvolvido por pesquisadores da Universidade da Califórnia, Santa Cruz (UCSC) tentará agora remova essa distorção e aumente a resolução das imagens para que pareçam ter sido tiradas do espaço.
“Os telescópios terrestres sofrem de desfoque devido à turbulência atmosférica à medida que a luz passa”, disse Brant Robertson, professor de astronomia e astrofísica da UCSC, cuja equipe desenvolveu o novo modelo de IA, ao Space.com. “Gastamos muito dinheiro em tecnologia de alto desempenho para remover a distorção atmosférica, mas também podemos treinar IA aprendizado de máquina modelos para tirar um pouco desse desfoque.”
Os pesquisadores treinaram o modelo generativo, chamado Neo, usando imagens tiradas pelo Telescópio Subaru no Japão e instantâneos das mesmas seções do céu capturadas pelo telescópio. Telescópio Espacial Hubble. A tarefa do modelo era aprender a preencher os detalhes que faltavam nas imagens tiradas da Terra. Os resultados foram impressionantes. Os pesquisadores disseram em um artigo que o modelo Neo “melhora a precisão dos parâmetros morfológicos medidos por fatores de 2 a 10”.
Na prática, isso significa uma resolução aumentada que revela uma grande quantidade de estrelas individuais e formas precisas de estrelas. galáxias onde antes só se encontrariam manchas vagas.
“O modelo melhora a qualidade espacial desses dados e recupera, num sentido estatístico, as propriedades das galáxias que você vê nessas imagens como se elas fossem vistas por um telescópio no espaço”, disse Robertson.
A tecnologia, acrescentou ele, impulsiona a descoberta e permite à comunidade científica maximizar o retorno científico do dinheiro investido em telescópios astronómicos de última geração. O Observatório Vera C. Rubin, no Chile, equipado com um espelho de 8,4 m (27,6 pés), custou US$ 800 milhões para ser construído. Isso, no entanto, ainda é apenas uma fração do custo dos telescópios espaciais, como o Hubble e o James Webbambos custando bilhões para construir e operar.
“Gastamos muito dinheiro, enormes quantidades de recursos, em observatórios astronómicos, e gostaríamos de aproveitar esse investimento do público e da comunidade para obter tudo o que pudermos dos dados”, disse Robertson.
O modelo Neo é uma Rede Adversarial Generativa Condicional, uma colaboração de duas redes neurais, frequentemente usada para geração de imagens de IA. No caso do Neo, a primeira rede gera imagens melhoradas a partir das fotografias capturadas; o outro avalia sua qualidade.
O modelo é baseado em uma tecnologia anterior desenvolvida pela equipe de Robertson para acelerar o processamento de imagens de Webb. A potência astronómica de 10 mil milhões de dólares produz quantidades tão vastas de dados que é impossível controlá-los usando apenas a avaliação visual feita por astrónomos humanos. Algoritmos de IA, como o desenvolvido por Robertson e seus colegas, realizam o que os humanos levariam anos, em poucos dias.
“Estamos sendo inundados com uma quantidade tão grande de dados que é muito difícil acompanhá-los”, disse Robertson. “Nossas abordagens padrão para analisar essas imagens simplesmente não são suficientes.”
O algoritmo, executado em supercomputadores com GPU da NVIDIA, fez algumas das descobertas mais surpreendentes da era Webb, incluindo a detecção de galáxias complexas no universo primitivo, o que os astrônomos não esperavam.
“O modelo analisa cada pixel e distingue se faz parte do céu ou de um objeto”, disse Robertson. “E se for um objeto, é parte de uma galáxia em disco ou de uma galáxia esferóide ou parte de um estrela?”
Robertson acrescentou que o algoritmo não está substituindo os astrônomos. Em vez disso, ajuda-os a fazer descobertas mais rapidamente e também a detectar padrões que podem ignorar.
“A IA não será pura ou completa, mas é claro que os humanos e as metodologias tradicionais também não o são. Todos eles têm diferentes pontos fortes e benefícios”, disse ele.
Os astrônomos estão processando imagens disponíveis para outras equipes e o público explorarem.
O artigo que descreve o modelo Leo, que ajudará a melhorar a resolução das imagens do Observatório Vera Rubin, foi aceito para publicação no Astrophysical Journal.
