Ferramentas Pessoais

Você está aqui: Página Inicial / Sistemas de Informação / Notícias / Professor da Metodista desenvolve inteligência artificial para classificar supernovas celestes

Professor da Metodista desenvolve inteligência artificial para classificar supernovas celestes

Tese de doutorado do prof. Marcelo Modolo está ligada ao Projeto KDUST, no Platô Antártico, que estuda a expansão acelerada do universo

03/06/2016 22h25 - última modificação 03/06/2016 22h42

Supernova resulta de explosão de estrelas (pixabay.com)

A análise pelo olho humano de supernovas (corpos celestes que surgem após explosões de estrelas) ganhará forte impulso com o desenvolvimento de redes neurais artificiais -- método de classificação automática de supernovas baseado em inteligência computacional que simula a maneira de astrônomos avaliarem o espectro, mas fazendo uma distribuição por classes mais formal e menos propensa à subjetividade humana.

A Classificação Automática de Supernovas Usando Redes Neurais Artificiais é tema da tese de doutorado que acaba de ser defendida pelo professor Marcelo Modolo, coordenador do curso de Sistemas de Informação da Universidade Metodista de São Paulo, cujo trabalho está ligado ao Projeto Kunlun Dark Universe Survey Telescope (KDUST), em fase de construção em um observatório astronômico em Kunlun, um dos pontos mais altos do Platô Antártico. O CIntIa, sigla para Classificador Inteligente de Supernovas do Tipo Ia, será instalado em um telescópio desse observatório.

“O Projeto KDUST tem interesse particular nas supernovas do tipo Ia, pois é o único tipo que possibilita medir as distâncias de luminosidade, o que ajuda a estudar a expansão acelerada do universo”, afirma professor Modolo, cuja defesa de doutorado em Computação Aplicada foi feita no Instituto Nacional de Pesquisas Espaciais (INPE) em São José dos Campos. Os orientadores foram os doutores Lamartine Nogueira Frutuoso Guimarães e Reinaldo Roberto Rosa.

A classificação de supernovas pode ser feita por especialistas humanos a partir da análise visual do seu espectro, mas não é trivial. Apenas alguns astrônomos especialistas são capazes de realizá-la, mas com a subjetividade inerente à percepção humana. Os classificadores automáticos existentes não fazem a modelagem da forma humana de analisar o espectro para classificar supernovas. “Eles somente comparam a semelhança do espectro da supernova recém-descoberta com os espectros de supernovas que já foram classificadas”, explica o professor da Metodista.

Quatro redes neurais

O paradigma básico da nova classificação por meio de inteligência computacional é a forma como os seres humanos fazem a análise, mas o classificador automático utiliza redes neurais artificiais para analisar o espectro e identificar a presença ou ausência de elementos que determinam o tipo supernova. Quatro redes neurais “perceptron” de múltiplas camadas foram construídas. Uma rede neural para identificar cada tipo "clássico" de supernova: Ia, Ib, Ic e II.

“O classificador foi testado em uma base com 649 espectros de 221 supernovas diferentes e os resultados foram muito bons, indicando que a classificação realizada por este método pode ser utilizada em situações onde não existe um especialista ou onde seja necessária uma análise automática, sistemática e contínua. A ferramenta desenvolvida nesse trabalho foi denominada CIntIa, sigla para Classificador Inteligente de Supernovas do Tipo Ia”, descreve professor Modolo.

O trabalho tem aplicação em observatórios astronômicos que precisam fazer classificação das supernovas para estudar, principalmente, a expansão acelerada do universo a partir da medição das distâncias de luminosidade. O público é bem específico, de astrônomos que trabalham com a observação de supernovas. Mas o objetivo é nobre, porque possibilita estudar a expansão acelerada do universo. Supernova é o nome dado aos corpos celestes resultantes de explosões de estrelas com mais de 10 massas solares, que produzem objetos extremamente brilhantes que perdem o brilho até se tornarem invisíveis após algumas semanas ou meses.

Comunicar erros


Leia mais notícias sobre: , , , ,

MARCELO MÓDOLO - COORDENADOR
Marcelo Modolo
Veja o minicurrículo

 


Receba informações de oferecimento deste curso

 

sistemas-de-informa├з├гo.jpg

Receba informações de oferecimento sobre esse curso:

Acesso Restrito

Portal do Aluno / Docente
Portal CAPES
INFORMAÇÕES DO CURSO

Grau: Bacharelado
Duração:  4 anos
Reconhecimento: Portaria Nº 1099 de 24/12/2015

Modalidade presencial: Campus Rudge Ramos
Horário de aula: Manhã: das 8h20 às 11h50. Oferecimento do 1º ao 4º período no turno da manhã e do 5º ao 8º período no turno da noite. Noite: horário das 19h30 às 23h.
Mensalidade manhã: aguarde informações
Mensalidade noite (1º semestre de 2016): R$  1.038,00, para pagamento até o dia 6 de cada mês, por meio do programa de desconto. O valor da mensalidade sem o desconto é de R$ 1.153,33. 

Modalidade a distância: nos Polos de Apoio Presencial : Confira aqui
Mensalidade: Confira aqui
Avaliação do MEC: CC: 4