A inteligência artificial se tornou ferramenta importante para astrônomos entenderem mais sobre o funcionamento dos sistemas planetários. Após séculos de buscas por fórmulas e modelos matemáticos que ajudem a explicar como o Sistema Solar se mantém estável, pesquisadores da Universidade de Princeton, nos Estados Unidos, adotaram o aprendizado de máquina como companheiro nos estudos.

Desde Isaac Newton astrônomos tentam entender o que faz planetas não colidirem com frequência, ou como sistemas multi-planetários como o nosso se organizam e mantém a estabilidade em suas órbitas. Até agora, ninguém conseguiu chegar a uma forma de prever configurações estáveis teoricamente, mas o grupo de cientistas de Princeton espera usar inteligência artificial para chegar a uma resposta.

O maior obstáculo enfrentado por astrônomos ao longo da história é que, para definir a estabilidade de um sistema planetário, é preciso medir todas as possíveis configurações instáveis do mesmo sistema. Planetas contam com órbitas próprias que duram um tempo específico em cada caso.

Além disso, inúmeros outros objetos vagam pelo espaço e interagem de diversas formas com outros corpos celestes ao longo de bilhões e bilhões de anos. Mesmo o melhor supercomputador do mundo é incapaz de calcular todos os cenários possíveis em um tempo razoável

Uma nova abordagem

Liderado pelo professor Daniel Tamayo, o grupo de cientistas de Princeton encontrou uma espécie de “atalho”: para acelerar o processo, eles vão combinar modelos simplificados das interações dinâmicas dos planetas com métodos de aprendizado de máquina. Com isso, eles eliminam a necessidade de inúmeras configurações de órbitas instáveis rapidamente, e reduzem o tempo de cálculo das dezenas de milhares de horas para apenas alguns minutos.

O modelo foi apelidado de SPOCK (homenagem ao lendário personagem de Star Trek, e sigla em inglês para Classificador de Estabilidade das Configurações Orbitais Planetária). Ele determina a estabilidade planetária cerca de 100 mil vezes mais rápido do que métodos anteriores.

Em vez de calcular uma determinada configuração para bilhões de órbitas, o SPOCK simula um modelo para 10 mil órbitas diferentes. Assim, o tempo de cálculo cai de 10 horas para uma fração de segundo. Os dados são usados então em algoritmos de aprendizado de máquina para definir se as configurações manteriam a estabilidade em um período de um bilhão de órbitas.

O objetivo do estudo é entender alguns dos sistemas planetários mais distantes que foram detectados em tempos recentes pelo telescópio Kepler. O estudo foi publicado na revista científica Proceedings of the National Academy of Sciences.

Via: Phys.org