Cientistas cidadãos voluntários, analisando dados de uma rede de telescópios espalhada pelo globo, identificaram este ano 10.000 novas estrelas variáveis na Via Láctea.
© Ohio S. U. (cientistas cidadãos identificam novas estrelas variáveis)
Os voluntários têm examinado desde janeiro dados do levantamento ASAS-SN (All-Sky Automated Survey for Supernovae), gerido por pesquisadores da Universidade Estatal de Ohio.
Os pesquisadores detalharam o que o projeto de ciência cidadã, de nome Citizen ASAS-SN, realizou até agora: mais de 3.100 voluntários fizeram cerca de 839.000 classificações de mais de 100.000 curvas de luz, ou seja, dados que informam os astrônomos sobre objetos no céu.
Uma estrela variável é uma estrela cujo brilho muda com o tempo, isto é, a luz proveniente de tal estrela não é constante.
Os cientistas voluntários tentaram classificar amplamente as estrelas como binários eclipsantes, onde uma estrela passa em frente da outra, estrelas pulsantes e estrelas giratórias. E também é possível descartar os dados, significando que não são estrelas. Por exemplo, satélites em órbita baixa da Terra podem interferir com a luz das estrelas vistas através dos telescópios; os dados de um satélite seriam classificados como "lixo". E os cientistas voluntários podem marcar os dados como "desconhecido" se as curvas de luz não encaixassem nas classes de estrelas variáveis.
Algumas das estrelas que os cientistas voluntários classificaram já tinham sido previamente identificadas, o que deu aos pesquisadores uma maneira de verificar a precisão dos voluntários.
O projeto baseia-se em trabalhos anteriores e no trabalho em andamento do ASAS-SN de analisar o céu em busca de buracos negros e outros fenômenos cosmológicos. Os telescópios do ASAS-SN foram recentemente atualizados, permitindo perscrutar mais profundamente o espaço em busca de novas estrelas variáveis, supernovas e outros objetos. A análise anterior dos dados do ASAS-SN foi realizada amplamente usando algoritmos de aprendizagem de máquina, onde um algoritmo de computador classifica os dados.
O objetivo principal do projeto é tornar os dados públicos, partilhar a ciência com uma comunidade mais ampla de pessoas. O trabalho dos cientistas cidadãos também está ajudando a melhorar o algoritmo de aprendizagem de máquina, possibilitando a máquina entender melhor quais os dados que são "lixo" e quais os dados que são úteis.
O olho humano pode detectar coisas incomuns e destacá-las muito melhor do que uma máquina tem sido capaz de fazer. E quando o relatam à equipe de pesquisa, permite fazer estas descobertas realmente excelentes.
Um artigo foi submetido no periódico Monthly Notices of the Royal Astronomical Society.
Fonte: Ohio State University