Uma nova ferramenta baseada em inteligência artificial pode transformar a forma como os astrônomos investigam a expansão do Universo e um de seus maiores mistérios: a energia escura. A tecnologia promete analisar milhões de explosões estelares com precisão inédita, permitindo medições mais detalhadas das distâncias cósmicas e da evolução do cosmos.

O estudo foi conduzido por pesquisadores do Instituto de Ciências do Cosmos da Universidade de Barcelona (ICCUB) e publicado na revista científica Nature Astronomy.

Para os resultados, a equipe desenvolveu uma estrutura computacional chamada CIGaRS, criada para aproveitar o enorme volume de dados que será produzido pelo futuro Observatório Vera C. Rubin.

Como a inteligência artificial melhora o estudo das supernovas

A nova técnica utiliza inteligência artificial para analisar supernovas do tipo Ia - explosões de estrelas anãs brancas que servem como uma espécie de "régua cósmica" para medir distâncias no Universo.

Essas supernovas possuem brilho intrínseco muito semelhante entre si. Comparando o brilho real com o observado da Terra, os cientistas conseguem calcular a distância até elas e acompanhar como o Universo vem se expandindo ao longo do tempo.

Foi justamente esse método que levou, no fim da década de 1990, à descoberta de que a expansão do Universo está acelerando — fenômeno atribuído à chamada energia escura, cuja natureza continua desconhecida.

O problema que limita as medições atuais

Apesar de serem consideradas excelentes marcadores de distância, as supernovas do tipo Ia não são perfeitamente idênticas.

Nas últimas duas décadas, pesquisadores descobriram que características da galáxia onde ocorre a explosão também influenciam seu brilho observado. Fatores como idade, massa e quantidade de poeira da galáxia podem introduzir pequenas diferenças nas medições.

Hoje, essas variações costumam ser corrigidas por modelos relativamente simples, que podem limitar a precisão dos cálculos cosmológicos.

Novo modelo reúne todas as informações ao mesmo tempo

O CIGaRS adota uma abordagem diferente. Em vez de analisar cada fator separadamente, o sistema cria um único modelo capaz de integrar informações sobre a supernova, sua galáxia hospedeira, a poeira interestelar, a evolução das explosões ao longo da história do Universo e até os próprios parâmetros cosmológicos.

Para lidar com essa enorme quantidade de variáveis, os pesquisadores utilizaram inferência baseada em simulação e redes neurais treinadas com milhares de universos simulados. Depois do treinamento, a inteligência artificial compara as observações reais com essas simulações para estimar quais características do Universo explicam melhor os dados obtidos.

Segundo os autores, isso permite analisar dezenas de milhares de supernovas simultaneamente, algo inviável com os métodos tradicionais.

Observatório Rubin deve ampliar as descobertas

A ferramenta foi desenvolvida especialmente para trabalhar com os dados do Observatório Vera C. Rubin, no Chile, que deverá iniciar em breve um levantamento astronômico de dez anos. A expectativa é que o observatório descubra milhões de novas supernovas durante a missão.

Como apenas uma pequena parcela desses objetos poderá ser estudada por espectroscopia — método mais preciso, porém muito mais demorado —, o CIGaRS foi projetado para extrair informações altamente precisas utilizando apenas imagens obtidas pelos telescópios.

Segundo os pesquisadores, a técnica consegue estimar a distância das galáxias com precisão próxima à alcançada pelos métodos espectroscópicos.

Descoberta também pode revelar como surgem as supernovas

Além de aprimorar os estudos sobre energia escura, a nova ferramenta pode ajudar a responder outra questão importante da astronomia: como surgem as supernovas do tipo Ia.

Ao reconstruir a frequência dessas explosões em diferentes tipos de galáxias e populações estelares, os cientistas esperam compreender melhor quais sistemas dão origem a esses eventos.

Os pesquisadores estimam que a nova abordagem poderá aumentar em até quatro vezes a precisão das medições cosmológicas em comparação com técnicas tradicionais baseadas apenas em pequenas amostras de supernovas observadas por espectroscopia.