Astra´nomos japoneses desenvolveram uma nova técnica de inteligaªncia artificial (IA) para remover rua­do em dados astrona´micos devido a variações aleata³rias nas formas das gala¡xias. Apa³s extenso treinamento e testes em grandes dados ficta­cios criados por simulações de supercomputadores, eles aplicaram esta nova ferramenta aos dados reais do Telescópio Subaru do Japa£o e descobriram que a distribuição de massa derivada do uso deste manãtodo éconsistente com os modelos atualmente aceitos do Universo. Esta éuma nova ferramenta poderosa para analisar grandes volumes de dados de pesquisas astrona´micas atuais e planejadas.

Dados de pesquisa de área ampla podem ser usados ​​para estudar a estrutura em grande escala do Universo por meio de medições de padraµes de lentes gravitacionais. Em lentes gravitacionais, a gravidade de um objeto em primeiro plano, como um aglomerado de gala¡xias , pode distorcer a imagem de um objeto em segundo plano, como uma gala¡xia mais distante. Alguns exemplos de lentes gravitacionais são a³bvios, como o "Olho de Ha³rus". A estrutura em grande escala, consistindo principalmente de misteriosa matéria "escura", pode distorcer as formas de gala¡xias distantes também, mas o efeito de lente esperado ésutil. A média de muitas gala¡xias em uma área énecessa¡ria para criar um mapa das distribuições de matéria escura em primeiro plano.

Mas essa técnica de olhar para muitas imagens de gala¡xias éum problema; algumas gala¡xias são inatamente um pouco engraçadas. a‰ difa­cil distinguir entre uma imagem de gala¡xia distorcida por lentes gravitacionais e uma gala¡xia que estãorealmente distorcida. Isso éconhecido como rua­do de forma e éum dos fatores limitantes na pesquisa que estuda a estrutura em grande escala do Universo.

Para compensar o rua­do da forma, uma equipe de astrônomos japoneses usou pela primeira vez o ATERUI II, o supercomputador mais poderoso do mundo dedicado a  astronomia, para gerar 25.000 cata¡logos de gala¡xias simulados com base em dados reais do Telescópio Subaru. Eles então adicionaram rua­do realista a esses conjuntos de dados artificiais perfeitamente conhecidos e treinaram uma IA para recuperar estatisticamente a matéria escura da lente dos dados simulados.

Apa³s o treinamento, a IA foi capaz de recuperar detalhes finos anteriormente inobserva¡veis, ajudando a melhorar nossa compreensão da matéria escura ca³smica. Então, usando esta IA em dados reais cobrindo 21 graus quadrados do canãu, a equipe encontrou uma distribuição da massa do primeiro plano consistente com o modelo cosmola³gico padra£o.

"Esta pesquisa mostra os benefa­cios de combinar diferentes tipos de pesquisa: observações, simulações e análise de dados de IA ", diz Masato Shirasaki, o lider da equipe, "Nesta era de big data , precisamos ultrapassar as fronteiras tradicionais entre especialidades e usar todas as ferramentas disponí­veis para entender os dados. Se pudermos fazer isso, abriremos novos campos na astronomia e outras ciências. "