Muitas vezes pensamos em astronomia como uma ciência visual com belas imagens do universo. No entanto, os astrônomos usam uma ampla gama de ferramentas de análise além das imagens para entender a natureza em um nível mais profundo.
A sonificação de dados é o processo de conversão de dados em som. Ele tem aplicações poderosas em pesquisa, educação e divulgação, e também permite que comunidades cegas e com deficiência visual entendam parcelas, imagens e outros dados.

Seu uso como ferramenta na ciência ainda está em seus estágios iniciais, mas os grupos de astronomia estão liderando o caminho.

Em um artigo publicado na Nature Astronomy , meus colegas e eu discutimos o estado atual da sonificação de dados em astronomia e outros campos, fornecemos uma visão geral de 100 projetos baseados em som e exploramos suas direções futuras.

O efeito coquetel

Imagine esta cena:você está em uma festa lotada e muito barulhenta. Você não conhece ninguém e todos estão falando uma língua que você não entende — não é bom. Então você ouve pedaços de uma conversa em um canto distante em seu idioma. Você se concentra nele e vai se apresentar.

Embora você nunca tenha experimentado uma festa assim, a ideia de ouvir uma voz ou linguagem reconhecível em uma sala barulhenta é familiar. A capacidade do ouvido e do cérebro humanos de filtrar sons indesejados e recuperar os sons desejados é chamada de "efeito coquetel".

Da mesma forma, a ciência está sempre forçando os limites do que pode ser detectado, o que geralmente requer a extração de sinais muito fracos de dados ruidosos. Na astronomia, muitas vezes nos esforçamos para encontrar os sinais mais fracos, distantes ou fugazes. A sonificação de dados nos ajuda a ampliar ainda mais esses limites.

O vídeo abaixo fornece exemplos de como a sonificação pode ajudar os pesquisadores a discernir sinais fracos nos dados. Ele apresenta a sonificação de nove rajadas de uma rajada de rádio rápida e repetida chamada FRB121102.

Rajadas rápidas de rádio são rajadas de milissegundos de emissão de rádio que podem ser detectadas no meio do universo. Ainda não sabemos o que os causa. Detectá-los em outros comprimentos de onda é a chave para entender sua natureza.

Muito bom

Quando exploramos o universo com telescópios, descobrimos que ele está cheio de explosões cataclísmicas, incluindo a morte de estrelas em supernovas, fusões de buracos negros e estrelas de nêutrons que criam ondas gravitacionais e rajadas rápidas de rádio.

Aqui você pode ouvir a fusão de dois buracos negros.



E a fusão de duas estrelas de nêutrons.



Esses eventos nos permitem entender a física extrema nas energias e densidades mais conhecidas. Eles nos ajudam a medir a taxa de expansão do universo e quanta matéria ele contém, e determinar onde e como os elementos foram criados, entre outras coisas.

As próximas instalações, como o Observatório Rubin e o Square Kilometer Array, detectarão dezenas de milhões desses eventos todas as noites. Empregamos computadores e inteligência artificial para lidar com esse grande número de detecções.

No entanto, a maioria desses eventos são rajadas fracas, e os computadores são tão bons em encontrá-los. Um computador pode detectar uma rajada fraca se receber um modelo do sinal "desejado". Mas se os sinais se afastam desse comportamento esperado, eles se perdem.

E muitas vezes são esses mesmos eventos que são os mais interessantes e produzem o maior insight sobre a natureza do universo. Usar a sonificação de dados para verificar esses sinais e identificar discrepâncias pode ser poderoso.

Mais do que aparenta

A sonificação de dados é útil para interpretar a ciência porque os humanos interpretam as informações de áudio mais rapidamente do que as informações visuais. Além disso, o ouvido pode discernir mais níveis de tom do que o olho pode discernir níveis de cor (e em uma faixa mais ampla).

Outra direção que estamos explorando para a sonificação de dados é a análise de dados multidimensionais – que envolve a compreensão das relações entre muitos recursos ou propriedades diferentes no som.

Plotar dados em dez ou mais dimensões simultaneamente é muito complexo e interpretá-los é muito confuso. No entanto, os mesmos dados podem ser compreendidos muito mais facilmente através da sonificação.

Como se vê, o ouvido humano pode dizer a diferença entre o som de um trompete e flauta imediatamente, mesmo que eles toquem a mesma nota (frequência) com o mesmo volume e duração.

Por quê? Porque cada som inclui harmônicos de ordem superior que ajudam a determinar a qualidade do som, ou timbre. As diferentes intensidades dos harmônicos de ordem superior permitem que o ouvinte identifique rapidamente o instrumento.

Agora imagine colocar informações – diferentes propriedades de dados – como diferentes intensidades de harmônicos de ordem superior. Cada objeto estudado teria um tom único, ou pertenceria a uma classe de tons, dependendo de suas propriedades gerais.

Com um pouco de treinamento, uma pessoa podia quase instantaneamente ouvir e reconhecer todas as propriedades do objeto, ou sua classificação, a partir de um único tom.

Além da pesquisa

Sonification also has great uses in education (Sonokids) and outreach (for example, SYSTEM Sounds and STRAUSS), and has widespread applications in areas including medicine, finance and more.

But perhaps its greatest power is to enable blind and visually impaired communities to understand images and plots to help with everyday life.

It can also enable meaningful scientific research, and do so quantitatively, as sonification research tools provide numerical values on command.

This capability can help promote STEM careers among blind and visually impaired people. And in doing so, we can tap into a massive pool of brilliant scientists and critical thinkers who may otherwise not have envisioned a path towards science.

What we need now is government and industry support in developing sonification tools further, to improve access and usability, and to help establish sonification standards. + Explorar mais

New black hole sonifications with a remix are now available for listening

Este artigo é republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.