Se você por acaso um dia parou para analisar algum dado de uma lente gravitacional com pressa, você estava usando o que de melhor há na análise via redes neurais. Isso foi o que os pesquisadores do SLAC National Accelerator Laboratory e da Universidade de Stanford encontraram: suas análises das distorções no espaço-tempo usando Inteligência Artificial, ou IA, são 10 milhões de vezes mais rápidas do que os métodos que normalmente se usam.
A lente gravitacional é o efeito observado quando um objeto massivo no espaço, como um aglomerado de galáxias, distorce a luz emitida, por um objeto mais distante. Quando esse objeto distante é observado por um telescópio, a imagem aparece distorcida, e analisar essas distorções pode ajudar os astrônomos a identificar a massa do objeto que causou a distorção, o conteúdo de matéria escura, além de estudar o objeto mais distante.
O problema: comparar imagens registradas com as simulações feitas das lentes gravitacionais usa semanas do esforço humano. Agora, uma equipe de pesquisadores explica que podem construir uma rede neural que pode ser treinada para reconhecer diferentes lentes, estudando meio milhão de simulações computacionais de suas aparências. Em imagens reais, a IA, pode trabalhar no tipo de lente e no tipo de massa que afetou a luz observada da mesma maneira que o olho humano faz, só que de maneira quase instantânea.
“Análises que normalmente levam semanas ou meses para serem feitas pelas pessoas, podem ser feitas por uma rede neural em frações de segundo, de maneira totalmente automática”, disse Laurence Perrault Levasseur de Stanford. “E a princípio em um chip de computador do tamanho de um aparelho celular”.
A tecnologia por trás desse tipo de reconhecimento de imagem feita por IA tem se tornado comum em muitas áreas, desde redes sociais, até o reconhecimento de objetos em imagens. Mas os cientistas precisam de um certo rigor e quando as redes neurais eram aplicadas a problemas astrofísicos anteriormente elas forneciam múltiplas respostas e isso não é bom, ou seja, a técnica precisou ser apurada para problemas astrofísicos.
Agora, com todo o desenvolvimento já feito, existe um otimismo considerável que essa abordagem se tornará a escolha para o processamento de muitos dados em problemas astrofísicos.
Fonte:
