![\"\"](\"https:\/\/penntoday.upenn.edu\/sites\/default\/files\/2021-04\/DES_SpiralGalaxy_cover.jpg\")
<\/a>Cr\u00e9dito: DECam, Colabora\u00e7\u00e3o DES<\/figcaption><\/figure>\n\n\n\n
Um subproduto deste levantamento \u00e9 que os dados do DES cont\u00eam muito mais imagens de gal\u00e1xias distantes do que outros levantamentos at\u00e9 agora. “As imagens do DES mostram-nos como as gal\u00e1xias eram h\u00e1 mais de 6 mil milh\u00f5es de anos,” diz Bernardi.<\/p>\n\n\n\n
E dado que o DES tem milh\u00f5es de imagens de alta qualidade de objetos astron\u00f3micos, \u00e9 o conjunto de dados perfeito para estudar a morfologia gal\u00e1ctica. “A morfologia gal\u00e1ctica \u00e9 um dos principais aspetos da evolu\u00e7\u00e3o gal\u00e1ctica. A forma e a estrutura das gal\u00e1xias fornecem muitas informa\u00e7\u00f5es sobre o modo como foram formadas, e ao saber as suas morfologias temos pistas sobre os prov\u00e1veis percursos para a forma\u00e7\u00e3o das gal\u00e1xias,” diz Dom\u00ednguez S\u00e1nchez.<\/p>\n\n\n\n
Anteriormente, os investigadores publicaram um cat\u00e1logo morfol\u00f3gico para mais de 600.000 gal\u00e1xias do SDSS (Sloan Digital Sky Survey). Para tal, desenvolveram uma rede neuronal convolucional, um tipo de algoritmo de aprendizagem de m\u00e1quina, que foi capaz de categorizar automaticamente se uma gal\u00e1xia pertencia a um dos dois grupos principais: gal\u00e1xias espirais, que t\u00eam um disco girat\u00f3rio onde nascem novas estrelas, e gal\u00e1xias el\u00edpticas, que s\u00e3o maiores e compostas por estrelas mais velhas que se movem mais aleatoriamente do que as suas hom\u00f3logas espirais.<\/p>\n\n\n\n
Mas o cat\u00e1logo desenvolvido usando o conjunto de dados do SDSS foi composto principalmente por gal\u00e1xias pr\u00f3ximas e brilhantes, diz Vega-Ferrero. No seu estudo mais recente, os investigadores quiseram refinar o seu modelo de rede neuronal para poder classificar gal\u00e1xias mais distantes e fracas. “Quer\u00edamos ultrapassar os limites da classifica\u00e7\u00e3o morfol\u00f3gica e tentar ir mais al\u00e9m, para objetos mais t\u00e9nues ou objetos mais distantes,” acrescentou Vega-Ferrero.<\/p>\n\n\n\n
Com este objetivo, os cientistas primeiro tiveram que treinar o seu modelo de rede neuronal para poder classificar as imagens mais pixelizadas do conjunto de dados DES. Criaram em primeiro lugar um modelo de treino com classifica\u00e7\u00f5es morfol\u00f3gicas previamente conhecidas, composto por um conjunto de 20.000 gal\u00e1xias que se sobrepunham entre o DES e o SDSS. De seguida, criaram vers\u00f5es simuladas de novas gal\u00e1xias, imitando a apar\u00eancia das imagens se estivessem mais distantes usando o c\u00f3digo desenvolvido pelo cientista Mike Jarvis.<\/p>\n\n\n\n
<\/a>Cr\u00e9dito: Jesus Vega-Ferrero e Helena Dominguez-Sanchez<\/figcaption><\/figure><\/div>\n\n\n\n
Assim que o modelo foi treinado e validado tanto em gal\u00e1xias simuladas como em reais, foi aplicado ao conjunto de dados DES, e o cat\u00e1logo resultante de 27 milh\u00f5es de gal\u00e1xias inclui informa\u00e7\u00f5es sobre a probabilidade de uma gal\u00e1xia individual ser el\u00edptica ou espiral. Os investigadores tamb\u00e9m descobriram que a sua rede neuronal tinha uma precis\u00e3o de 97% na classifica\u00e7\u00e3o morfol\u00f3gica das gal\u00e1xias, mesmo para gal\u00e1xias demasiado fracas para serem classificadas a olho.<\/p>\n\n\n\n
“N\u00f3s empurr\u00e1mos os limites em tr\u00eas ordens de magnitude, para objetos que s\u00e3o 1000 vezes mais fracos do que os originais,” salienta Vega-Ferrero. “\u00c9 por isso que conseguimos incluir muito mais gal\u00e1xias no cat\u00e1logo.”<\/p>\n\n\n\n
“Cat\u00e1logos como este s\u00e3o essenciais para o estudo da forma\u00e7\u00e3o gal\u00e1ctica,” diz Bernardi acerca da import\u00e2ncia desta \u00faltima publica\u00e7\u00e3o. “Este cat\u00e1logo tamb\u00e9m ser\u00e1 \u00fatil para ver se a morfologia e as popula\u00e7\u00f5es estelares contam hist\u00f3rias semelhantes sobre como as gal\u00e1xias se formaram.”<\/p>\n\n\n\n
Para o \u00faltimo ponto, Dom\u00ednguez S\u00e1nchez est\u00e1 atualmente a combinar as suas estimativas morfol\u00f3gicas com medi\u00e7\u00f5es da composi\u00e7\u00e3o qu\u00edmica, idade, ritmo de forma\u00e7\u00e3o estelar, massa e dist\u00e2ncia das mesmas gal\u00e1xias. A incorpora\u00e7\u00e3o destas informa\u00e7\u00f5es permitir\u00e1 aos investigadores estudar melhor a rela\u00e7\u00e3o entre a morfologia das gal\u00e1xias e a forma\u00e7\u00e3o estelar, trabalho que ser\u00e1 crucial para um entendimento mais profundo da evolu\u00e7\u00e3o gal\u00e1ctica.<\/p>\n\n\n\n
Bernardi diz que h\u00e1 uma s\u00e9rie de quest\u00f5es em aberto sobre a evolu\u00e7\u00e3o gal\u00e1ctica que tanto este novo cat\u00e1logo quanto os m\u00e9todos desenvolvidos para o criar podem ajudar a resolver. O pr\u00f3ximo levantamento do Observat\u00f3rio Vera C. Rubin (anteriormente LSST, Large Synoptic Survey Telescope), por exemplo, vai usar m\u00e9todos fotom\u00e9tricos parecidos ao do DES, mas ter\u00e1 a capacidade de gerar imagens de objetos ainda mais distantes, fornecendo uma oportunidade para obter uma compreens\u00e3o ainda mais profunda da evolu\u00e7\u00e3o do Universo.<\/p>\n\n\n\n
\/\/ Universidade da Pensilv\u00e2nia (comunicado de imprensa)<\/a> Gal\u00e1xias:<\/strong> Forma\u00e7\u00e3o e evolu\u00e7\u00e3o das gal\u00e1xias:<\/strong> Colabora\u00e7\u00e3o DES:<\/strong> SDSS:<\/strong> Uma investiga\u00e7\u00e3o do Departamento de F\u00edsica e Astronomia da Universidade da Pensilv\u00e2nia, EUA, produziu o maior cat\u00e1logo, at\u00e9 \u00e0 data, da classifica\u00e7\u00e3o morfol\u00f3gica de gal\u00e1xias. Liderado pelos ex-p\u00f3s-doutorados Jes\u00fas Vega-Ferrero e Helena Dom\u00ednguez S\u00e1nchez, que trabalharam com a professora Mariangela Bernardi, este cat\u00e1logo de 27 milh\u00f5es de morfologias gal\u00e1cticas fornece informa\u00e7\u00f5es importantes sobre a evolu\u00e7\u00e3o …<\/p>\n","protected":false},"author":1,"featured_media":4076,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[60,1],"tags":[721,534,110,571],"class_list":["post-4075","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-galaxias","category-telescopios-profissionais","tag-des","tag-formacao-galactica","tag-galaxias","tag-sdss"],"_links":{"self":[{"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/posts\/4075","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/comments?post=4075"}],"version-history":[{"count":1,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/posts\/4075\/revisions"}],"predecessor-version":[{"id":4077,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/posts\/4075\/revisions\/4077"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/media\/4076"}],"wp:attachment":[{"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/media?parent=4075"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/categories?post=4075"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ccvalg.pt\/astronomia\/wordpress\/wp-json\/wp\/v2\/tags?post=4075"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\/\/ Artigo cient\u00edfico (Monthly Notices of the Royal Astronomical Society)<\/a>
\/\/ Artigo cient\u00edfico (arXiv.org)<\/a><\/p>\n\n\n\nSaiba mais:<\/h4>\n\n\n\n
Wikipedia<\/a><\/p>\n\n\n\n
Wikipedia<\/a><\/p>\n\n\n\n
P\u00e1gina principal<\/a>
Wikipedia<\/a><\/p>\n\n\n\n
P\u00e1gina principal<\/a>
Wikipedia<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"