Cientistas cidada£os voluntários analisando dados de uma rede de telesca³pios ao redor do mundo este ano identificaram 10.000 novas estrelas varia¡veis ​​na Via La¡ctea, de acordo com um artigo recente.

Os voluntários tem examinado dados da Pesquisa Automatizada da All-Sky para Supernovas desde janeiro. A pesquisa, conhecida como ASAS-SN, érealizada por pesquisadores da The Ohio State University.

Em um artigo postado no servidor de pré-impressão arXiv , os pesquisadores detalharam o que o projeto de ciência do cidada£o , chamado Citizen ASAS-SN, realizou atéagora: Mais de 3.100 voluntários fizeram cerca de 839.000 classificações de mais de 100.000 curvas de luz - dados que informa aos astrônomos sobre objetos no canãu. Uma estrela varia¡vel éuma estrela cujo brilho muda com o tempo - a luz que vemos proveniente dessa estrela não éconstante.

Os cientistas voluntários tentaram classificar amplamente as estrelas como binários eclipsantes, onde uma estrela passa na frente da outra, estrelas pulsantes e estrelas girata³rias. Cientistas voluntários também podem classificar os dados como "lixo", o que significa que não éuma estrela. Por exemplo, satanãlites em a³rbita baixa da Terra podem interferir com a luz das estrelas em telesca³pios; os dados de um satanãlite seriam classificados como lixo. E cientistas voluntários poderiam marcar os dados como "desconhecidos" se as curvas de luz não se encaixassem em uma das outras classes de estrelas varia¡veis.

Algumas das estrelas que os cientistas voluntários classificaram foram previamente identificadas, o que deu aos pesquisadores do estado de Ohio uma maneira de verificar a precisão dos voluntários.

"Acontece que eles eram bastante precisos", disse Collin Christy, principal autor do artigo e analista da ASAS-SN. "Nossos usuários foram realmente bons em encontrar os sistemas eclipsantes e pulsantes em nossos dados."

Os usuários também foram capazes de identificar facilmente dados inaºteis, descobriram os pesquisadores.

O projeto baseia-se no trabalho anterior e em andamento da ASAS-SN para pesquisar os canãus em busca de buracos negros e outros fena´menos no cosmos. Os telesca³pios do ASAS-SN foram recentemente atualizados, permitindo aos astrônomos perscrutar mais profundamente o espaço em busca de novas estrelas varia¡veis, supernovas e outros objetos. A análise anterior dos dados do ASAS-SN foi conduzida amplamente usando algoritmos de aprendizado de ma¡quina , onde um algoritmo de computador treinado classifica os dados.

"Nosso principal objetivo étornar nossos dados paºblicos, compartilhar nossa ciência com uma comunidade mais ampla de pessoas e, éclaro, quera­amos obter pesquisa cienta­fica a partir disso", disse Tharindu Jayasinghe, coautor do artigo, um estudante de doutorado em astronomia e bolsista presidencial do estado de Ohio. "E isso tem sido bom para engajar o paºblico. As pessoas estãocontribuindo para a ciaªncia, e háengajamento entre cientistas e pessoas nessas plataformas: os usuários podem nos fazer perguntas, e nosnos engajamos e isso cria relacionamento. E também estamos ensinando as pessoas como para fazer esta ciência a‰ uma situação em que todos ganham. "

O trabalho dos cientistas cidada£os também estãoajudando a melhorar o algoritmo de aprendizado de ma¡quina: sua contribuição, disse Jayasinghe, estãoajudando a ma¡quina a entender melhor quais dados são "lixo" e o que éútil.

"O olho humano pode detectar coisas incomuns e aponta¡-las muito melhor do que a ma¡quina tem sido capaz de fazer, e quando eles relatam isso para a equipe de pesquisa, isso nos permite fazer essas descobertas realmente excelentes", disse Jayasinghe. "Os humanos podem fazer coisas incra­veis se vocêlhes der uma chance."