Uma nova ferramenta de machine learning para determinar parâmetros estelares

Imagem artística de uma estrela anã vermelha, com planetas a orbitar.

Imagem artística de uma estrela anã vermelha, com planetas a orbitar. Crédito: ESO/N. Bartmann/spaceengine.org

Num trabalho liderado por Alexandros Antoniadis Karnavas, uma equipa do Instituto de Astrofísica e Ciências do Espaço (IA) desenvolveu a ferramenta de machine learning ODUSSEAS, um tipo de algoritmo de aprendizagem automática, que permite determinar de uma forma rápida e com elevada precisão parâmetros estelares de estrelas anãs vermelhas, como temperatura à superfície e a sua metalicidade1.

Antoniadis Karnavas, atualmente a obter o seu doutoramento na Faculdade de Ciências da Universidade do Porto comenta: “A determinação dos parâmetros fundamentais de estrelas anãs vermelhas é muito importante para a área da caracterização de estrelas e exoplanetas. Os espectros podem ser utilizados para revelar a composição das estrelas, assim como parâmetros estelares de grande relevo, como temperatura efetiva ou metalicidade. Estes parâmetros são cruciais para a caracterização de estrelas e para a nossa compreensão da sua formação e evolução. Têm ainda influência nas propriedades dos planetas que as orbitam e se estão a formar.”

Saber mais »


Notas

  1. O hidrogénio e o hélio são os elementos mais abundantes do Universo, compondo quase 98% de toda a massa normal. Por essa razão, em Astronomia é comum designar os elementos mais massivos do que o hidrogénio e o hélio, em conjunto, apenas como “metais”. A metalicidade de uma estrela é a abundância de “metais”, isto é, de elementos mais massivos do que o hidrogénio e o hélio.