Acredita-se que os buracos negros primordiais foram os motores do crescimento e transformação das galáxias, e que podem explicar a paisagem cósmica que vemos na atualidade e daí ser importante encontrá-los, embora não seja fácil.

Ler todo o manancial de dados e encontrar galáxias com buracos negros massivos no seu centro só será possível com ferramentas automáticas, como o algoritmo criado por uma equipa internacional liderada por investigadores portugueses, do Instituto de Astrofísica e Ciências do Espaço (IA).

Descrito num artigo publicado esta quarta-feira na revista científica Astronomy & Astrophysics, o método de aprendizagem automática (machine learning) é capaz de reconhecer galáxias superluminosas no início do Universo, que se pensa serem dominadas pela atividade de um buraco negro central devorador.

Além disso, este também será o primeiro algoritmo que prevê quando esta atividade emite também um intenso sinal nas frequências rádio. As emissões no rádio são, em geral, distintas da restante luz da galáxia, e por vezes é difícil associá-las. Esta técnica de inteligência artificial permitirá aos astrónomos serem mais eficazes na procura das chamadas radiogaláxias, explicam os autores em comunicado.

Desenvolvido com a colaboração da Closer, uma empresa que atua no sector de soluções tecnológicas em ciência de dados, o algoritmo foi treinado com imagens de galáxias em vários comprimentos de onda da luz. Quando testado com outras imagens, mostrou-se capaz de prever quatro vezes mais radiogaláxias do que os métodos convencionais com instruções explícitas.

Como a aprendizagem automática desenvolve os seus próprios algoritmos, tentar compreender o seu sucesso pode ajudar a esclarecer os fenómenos físicos que estavam a acontecer nestas galáxias, 1,5 mil milhões de anos após o Big Bang, ou seja, quando o Universo tinha um décimo da idade atual.

“Temos de encontrar mais galáxias ativas no céu, porque há previsões de que deveriam existir muitas mais no começo da história do Universo. Com as observações atuais não temos esse número”, diz Rodrigo Carvajal, autor principal do artigo.

Segundo o investigador do Instituto de Astrofísica e Ciências do Espaço e da Faculdade de Ciências da Universidade de Lisboa, serão necessárias mais observações para verificar se o entendimento atual sobre a evolução das galáxias ativas está correto ou tem de ser modificado. Também é importante a análise dos próprios modelos de machine learning e perceber o que está a acontecer dentro deles, acrescenta.

O peso relativo das características das galáxias na decisão tomada pelo computador pode apontar para o que está na origem da sua intensa atividade, em particular na banda rádio, sublinha-se.

Clique nas imagens para mais detalhe

Num estudo em preparação, a equipa está a explorar as implicações desta aparente dependência entre a emissão no rádio e a formação de estrelas. Israel Matute, também do Instituto de Astrofísica e Ciências do Espaço e da Faculdade de Ciências da Universidade de Lisboa, e segundo autor do artigo, esclarece estes modelos são ferramentas matemáticas que nos ajudam a olhar na direção certa quando a complexidade dos dados aumenta.

“Este trabalho pode fornecer indícios dos processos que refrearam a formação de novas estrelas na segunda metade da história do Universo”, diz Israel Matute. 

Talvez as galáxias ativas aparentemente em falta no Universo primordial se encontrem nos milhões de dados que os modernos radiotelescópios irão produzir nos próximos anos. Futuros rastreios de extensas regiões do céu revelarão milhares de milhões de galáxias. Um exemplo é o Evolutionary Map of the Universe (EMU), que mapeará todo o hemisfério celeste sul com o radiotelescópio ASKAP, na Austrália.

A equipa liderada pelo IA está já a trabalhar com os dados de um projeto piloto deste rastreio. Uma vez aperfeiçoadas, estas ferramentas serão cruciais para processar a quantidade astronómica de dados que o futuro observatório Square Kilometre Array (SKAO) irá produzir. Portugal é membro do consórcio deste observatório, que já está em construção, sublinha o Instituto de Astrofísica e Ciências do Espaço.