Multidisciplinaridade da Computação e Astrofísica

Multidisciplinaridade da Computação e Astrofísica

O avanço tecnológico que vivemos hoje

é resultado da combinação de habilidades distintas

A unificação das técnicas de multidisciplinaridade da Ciência da Computação e Astrofísica, permitiu realizações que antes ficavam no âmbito da simulação. Um exemplo do resultado deste esforço em conjunto foi o registro de uma fotografia de um buraco negro, o Messier 87 (M87) que está a 1,6 milhões de anos luz da Terra. A foto pode ser acompanhada na capa do post e foi publicada no primeiro semestre de 2019. O feito foi realizado pelo projeto de nome Event Horizon Telescope (EHT). Estava prevista a publicação também da foto do buraco negro do centro da Via Lactea, o 𝑆𝑎𝑔𝑖𝑡𝑡𝑎𝑟𝑖𝑢𝑠𝐴∗, que está a aproximadamente 26 mil anos luz da Terra. Mas mesmo em uma distância mais próxima de nós, os resultados não ficaram como era esperado e o consórcio adiou a publicação desta foto.

O EHT é um consórcio entre diversos centros de pesquisa espacial ao redor do mundo, permitindo que as fotos fossem capturadas por aproximadamente 10.000 horas, e fossem armazenadas em paralelo em um conjunto de até 32 discos com capacidades entre 6 e 10 Terabyte (TB) cada. O resultado desta parte instrumental e sua volumetria que chega a ter 15 Petabyte (PB) de dados está publicado no portal do consorcio.

Relação Sol-Terra

O acompanhamento de atividade de corpos celestes e seus possíveis impactos na Terra são estudados há séculos. O Sol, em específico, foi foco de diversos estudos habilitados principalmente pelos lançamentos de satélites para a camada externa da atmosfera Terrestre. A radiação emitida pelo Sol pode ser prejudicial para a vida na Terra. Podendo interferir em infraestrutura, instrumentos de medição e as pessoas no espaço. Baseado nestes impactos, os estudos de previsão de explosões solares se mostram importante!

Atualmente existem duas linhas de pesquisa básica, onde há esforço para predizer as explosões solares com antecedência. Uma das linhas busca prever a ocorrência e o momento da explosão. Outra busca entender a configuração dos campos magnéticos da explosão solar e estimar seu tempo de impacto na Terra.

Equipamentos de medição

Diferente de um telescópio óptico que recebe a imagem do objeto diretamente, o rádio telescópio, recebe a informação de intensidade, fase e polarização do sinal de rádio do objeto observado. Diversos elementos que afetam a observação são constatados em rádio telescópios. Como por exemplo, a interferência eletromagnética. Mas também falhas de antena e alimentação de energia, confusão de canal, instabilidade do sistema, falha do receptor, entre outros. Contudo, uma tarefa importante em rádio observação é a capacidade de descobrir, sinalizar e excluir esses dados de ruído.

Cada satélite Geostationary Operational Environmental Satellite (GOES) possui dois sensores que coletam Raio-X solares. Ou seja, para bandas de canal curto o comprimento de onda está entre 0,5 e 4 𝐴̊, lê-se Angstroms (Ångström). E os sinais de canal longo onde o comprimento é entre 1 e 8 𝐴̊. As medições são realizadas a partir de sinais que chegam em duas câmaras de íons cheias de gás, uma para cada banda.

Mas equipamentos terrestres também permitem estudos, que podem ser realizados na faixa da luz visível ou faixa rádio entre 500 MHz e 50 GHz.

Multidisciplinaridade da Computação e Astrofísica

A aplicação de técnicas avançadas de Ciência da Computação no campo da Inteligência Artificial, com dados da Astrofísica obtidos através dos telescópios GOES, permite descobrir e reconhecer os padrões comportamentais do sinal Raio-X. E observando as características de sinal Raio-X que antecederam as explosões solares ocorridas no passado foram desenvolvidos modelos de Aprendizagem de Máquina para que, ao apresentar novas entradas de dados capturados em tempo real pelo satélite, seja possível predizer a ocorrência de explosões com o máximo de antecedência possível.

A minha pesquisa do mestrado foi para a criação de um modelo de predição que informa como resultado qual será a intensidade de uma próxima explosão a partir das explosões observadas.

Para o modelo final foram criadas regras de associação utilizando o algoritmo Apriori, com um suporte mínimo de 0,01 e confiança de 0,8. A escolha dos valores de suporte e confiança foram definidas através de uma série de experimentos com alteração destes parâmetros e teste de assertividade. Com o suporte de 0,01 e confiança de 0,8, a partir da combinação de elementos de Raio-X foram criadas 56.853.701 regras de associação.

Sobre Diego Nogare 346 Artigos
Diego Nogare é Gerente Técnico de Engenharia de Machine Learning no Itaú-Unibanco. Também é professor em programas de pós graduação no Mackenzie e na FIAP, em São Paulo. Foi nomeado como Microsoft MVP por 11 anos seguidos, e hoje faz parte do programa Microsoft Regional Director.