p Quando o MIT lançou o MIT Stephen A. Schwarzman College of Computing neste outono, um dos objetivos era impulsionar a inovação em computação em todas as escolas do MIT. Os pesquisadores já estão se expandindo além das aplicações tradicionais da ciência da computação e usando essas técnicas para avançar em uma variedade de campos científicos, da medicina do câncer à antropologia e ao design - e à descoberta de novos planetas. p A computação já se provou útil para o Transiting Exoplanet Survey Satellite (TESS), uma missão financiada pela NASA liderada pelo MIT. Lançado do Cabo Canaveral em abril de 2018, O TESS é um satélite que captura imagens do céu enquanto orbita a Terra. Essas imagens podem ajudar os pesquisadores a encontrar planetas orbitando estrelas além do nosso sol, chamados exoplanetas. Este trabalho, que agora está na metade do caminho, revelará mais sobre os outros planetas dentro do que a NASA chama de "vizinhança solar".

p "A TESS acaba de completar a primeira de sua missão principal de dois anos, pesquisando o céu noturno do sul, "diz Sara Seager, um astrofísico e cientista planetário no MIT e vice-diretor de ciência do TESS. "TESS encontrado em 1, 000 candidatos a planetas e cerca de 20 planetas confirmados, alguns em sistemas de múltiplos planetas. "

p Embora o TESS tenha permitido algumas descobertas impressionantes até agora, encontrar esses exoplanetas não é uma tarefa simples. TESS está coletando imagens de mais de 200, 000 estrelas distantes, salvando uma imagem desses planetas a cada dois minutos, além de salvar uma imagem de uma grande faixa de céu a cada 30 minutos. Seager diz que a cada duas semanas, que é quanto tempo leva para o satélite orbitar a Terra, O TESS envia cerca de 350 gigabytes de dados (uma vez descompactados) para a Terra. Embora Seager diga que não são tantos dados quanto as pessoas poderiam esperar (um Macbook Pro 2019 tem até 512 gigabytes de armazenamento), analisar os dados envolve levar muitos fatores complexos em consideração.

p Seager, que diz que há muito tempo está interessada em como a computação pode ser usada como uma ferramenta para a ciência, começou a discutir o projeto com Victor Pankratius, um ex-cientista pesquisador principal do Instituto Kavli de Astrofísica e Pesquisa Espacial do MIT, que agora é o diretor e chefe de engenharia de software global da Bosch Sensortec. Um cientista da computação treinado, Pankratius diz que depois de chegar ao MIT em 2013, ele começou a pensar em campos científicos que produzem big data, mas que ainda não se beneficiaram totalmente das técnicas de computação. Depois de falar com astrônomos como Seager, ele aprendeu mais sobre os dados coletados por seus instrumentos e se interessou em aplicar técnicas de descoberta auxiliadas por computador à busca de exoplanetas.

p "O universo é um lugar grande, "Pankratius diz." Então, eu acho que alavancar o que temos no lado da ciência da computação é uma grande coisa. "

p A ideia básica subjacente à missão da TESS é que, como nosso próprio sistema solar, em que a Terra e outros planetas giram em torno de uma estrela central (o sol), existem outros planetas além do nosso sistema solar girando em torno de estrelas diferentes. As imagens que o TESS coleta produzem curvas de luz - dados que mostram como o brilho da estrela muda ao longo do tempo. Os pesquisadores estão analisando essas curvas de luz para encontrar quedas no brilho, o que pode indicar que um planeta está passando na frente da estrela e bloqueando temporariamente parte de sua luz.

p "Cada vez que um planeta orbita, você veria esse brilho diminuir, "Pankratius diz." É quase como um batimento cardíaco.

p O problema é que nem toda queda no brilho é necessariamente causada pela passagem de um planeta. Seager diz que o aprendizado de máquina atualmente entra em jogo durante a fase de "triagem" da análise de dados TESS, ajudando-os a distinguir entre planetas potenciais e outras coisas que podem causar quedas no brilho, como estrelas variáveis, que variam naturalmente em seu brilho, ou ruído do instrumento.

p A análise dos planetas que passam pela triagem ainda é feita por cientistas que aprenderam a "ler" curvas de luz. Mas a equipe agora está usando milhares de curvas de luz que foram classificadas a olho nu para ensinar as redes neurais a identificar trânsitos de exoplanetas. A computação os está ajudando a restringir quais curvas de luz devem examinar com mais detalhes. Liang Yu Ph.D. 19, um graduado recente em física, baseado em um código existente para escrever a ferramenta de aprendizado de máquina que a equipe está usando agora.

p Embora útil para localizar os dados mais relevantes, Seager diz que o aprendizado de máquina ainda não pode ser usado para simplesmente encontrar exoplanetas. "Ainda temos muito trabalho a fazer, " ela diz.

p Pankratius concorda. "O que queremos fazer é basicamente criar sistemas de descoberta auxiliados por computador que façam isso para todas as [estrelas] o tempo todo, "ele diz." Você quer apenas pressionar um botão e dizer, Mostre-me tudo. Mas agora ainda são pessoas com alguma automação examinando todas essas curvas de luz. "

p Seager e Pankratius também ensinaram um curso que enfocou vários aspectos da computação e do desenvolvimento da inteligência artificial (IA) nas ciências planetárias. Seager diz que a inspiração para o curso surgiu de um interesse crescente dos alunos em aprender sobre IA e suas aplicações para ciência de dados de ponta.

p Em 2018, o curso permitiu que os alunos usassem dados reais coletados pelo TESS para explorar aplicativos de aprendizado de máquina para esses dados. Modelado após outro curso que Seager e Pankratius ensinaram, os alunos do curso puderam escolher um problema científico e aprender as habilidades de computação para resolvê-lo. Nesse caso, os alunos aprenderam sobre as técnicas e aplicações de IA para o TESS. Seager diz que os alunos tiveram uma ótima resposta à classe única.

p "Como um estudante, você poderia realmente fazer uma descoberta, "Pankratius diz." Você pode criar um algoritmo de aprendizado de máquina, execute-o nestes dados, e quem sabe, talvez você encontre algo novo. "

p Muitos dos dados que o TESS coleta também estão prontamente disponíveis como parte de um projeto maior de ciência cidadã. Pankratius diz que qualquer pessoa com as ferramentas certas pode começar a fazer descobertas por conta própria. Graças à conectividade em nuvem, isso é possível até em um telefone celular.

p "Se você ficar entediado na viagem de ônibus para casa, por que não procurar planetas? ”, diz ele.

p Pankratius diz que este tipo de trabalho colaborativo permite que especialistas em cada domínio compartilhem seus conhecimentos e aprendam uns com os outros, ao invés de cada um tentando ser pego no campo do outro.

p "Hora extra, a ciência se tornou mais especializada, então precisamos de maneiras de integrar melhor os especialistas, "Pankratius diz. A faculdade de computação poderia ajudar a forjar mais colaborações, ele adiciona. Pankratius também diz que poderia atrair pesquisadores que trabalham na interseção dessas disciplinas, quem pode preencher as lacunas de entendimento entre especialistas.

p Este tipo de trabalho de integração da ciência da computação já está se tornando cada vez mais comum nos campos científicos, Notas de Seager. "O aprendizado de máquina está 'na moda' agora, " ela diz.

p Pankratius diz que isso ocorre em parte porque há mais evidências de que o uso de técnicas de ciência da computação é uma forma eficaz de abordar vários tipos de problemas e conjuntos de dados crescentes.

p "Agora temos demonstrações em diferentes áreas de que a abordagem de descoberta auxiliada por computador não funciona apenas, "Pankratius diz." Na verdade, leva a novas descobertas. "