Rede neural aprendeu a operar telescópios com mais eficiência que humanos

Especialistas da Northwestern University, da Universidade de Chicago e do Fermilab National Accelerator Laboratory desenvolveram e testaram um sistema de aprendizado profundo que calcula e ajusta em tempo real o cronograma de observações astronômicas com base no clima e nas fases da Lua. O algoritmo foi implantado no âmbito do Instituto de Inteligência Artificial para o Céu (SkAI) no telescópio Victor Blanco de 4 metros, no Observatório Interamericano de Cerro Tololo, no Chile. Anteriormente, os operadores precisavam considerar manualmente a transparência atmosférica e a luz lunar para evitar o excesso de exposição nos quadros, e, em caso de erro, a repetição da sessão poderia ser adiada por meses devido à competição pelo tempo de observação. Em vez de regras clássicas, os desenvolvedores usaram aprendizado por reforço, treinando a rede neural com dados do projeto Dark Energy Survey. O modelo analisava as ações humanas e as comparava com os boletins meteorológicos de arquivo. Durante dois testes realizados na câmera DECam, o algoritmo demonstrou eficiência comparável à de cientistas qualificados. Os autores planejam modificar o código para que o sistema busque trajetórias de observação não convencionais, que os humanos ignoram devido a vieses cognitivos. A automação liberará tempo dos astrônomos para a análise de descobertas e ajudará a alocar eficientemente os recursos de futuros observatórios, incluindo o Observatório Vera Rubin.