Machine learning: investigando a relação entre atmosferas biogênicas, exoplanetas e sistemas planetários

Resumo

A proposta da pesquisa foi estudar alguns sistemas planetários em busca de exoplanetas capazes de sustentar atmosferas biogênicas e entender o papel deles nesse contexto. Para essa tarefa, foi considerado o Earth similarity index (ESI), que é um índice de classificação de exoplanetas por similaridade com a Terra, porém, considerando uma perspectiva de modelagem multinível. A caracterização destes sistemas é importante, pois missões astronômicas, cujo objetivo seja identificar marcadores biológicos que denunciem a presença de vida, podem escolher alvos prioritários e eliminar alvos menos promissores. Foram estudados 72 sistemas extrassolares por meio de técnicas não supervisionadas e supervisionadas de machine learning com o objetivo de identificar a formação de clusters e investigar a relação multinível entre planetas e sistemas extrassolares. O trabalho demonstra que, provavelmente, uma ampla variedade de tipos de exoplanetas pode abrigar atmosferas aptas a serem estudadas remotamente, apesar de que esses resultados não consideram as constituições internas reais dos objetos estudados, já que elas são desconhecidas, o que impede uma reconstrução histórica do processo de evolução desses planetas. A abordagem multinível demonstra que aproximadamente 54% da variação do valor do ESI se deve ao efeito das condições do sistema planetário onde está localizado o exoplaneta em estudo.