Usando uma técnica de
machine learning, uma equipe de pesquisadores do Instituto de Astrofísica e Ciências
do Espaço conseguiram restringir o raio de um exoplaneta com massa conhecida.
Essa nova maneira de prever
o raio de um exoplaneta é um perfeito exemplo da sinergia entre a ciência dos
exoplanetas e as técnicas de machine learning.
Para caracterizar um planeta,
tanto sua massa e o seu raio são propriedades necessárias, para encontrar a
densidade do planeta, e a partir daí inferir a sua composição. Mas esses dados
só são disponíveis para um reduzido número de exoplanetas, a massa é
normalmente determinada pelas medidas de velocidade radial, enquanto que o raio
é medido através do método do trânsito.
A equipe de pesquisadores
desenvolveu um algoritmo que prevê de forma precisa o raio de uma grande
variedade de exoplanetas, se alguns outros parâmetros planetários e estelares são
conhecidos, incluindo a massa do exoplaneta e a sua temperatura de equilíbrio.
Para as centenas de planetas descobertos com o método da velocidade radial, nós
agora podemos prever o seu raio. Nós podemos entender se esses exoplanetas são
mundos potencialmente rochosos.
Até agora, só a massa de um
exoplaneta tem sido usada para prever o seu raio, mas a equipe está trabalhando
em mudar esse paradigma, incorporando outros parâmetros estelares e planetários
para fortalecer suas previsões.
Esse trabalho integra
diferentes especialidades, um conhecimento profundo sobre exoplanetas, sua
detecção e a sua caracterização e análises estatísticas avançadas para detectar
sistemas. Os pesquisadores falaram que utilizaram basicamente, o mesmo
ferramental matemático que agora é usado para desenvolver os carros autônomos.
Fonte:
Artigo original:
spacetoday.com.br