Fora do nosso sistema solar, os cientistas estimam que existam bilhões de mundos somente na Via Láctea. Chamados de exoplanetas, esses objetos celestes representam uma oportunidade de encontrar outros mundos habitáveis ??e aprender...

A ilustração de um artista retrata um método inovador que remove o brilho das estrelas que obscurece os exoplanetas em imagens de telescópio. A luz das estrelas na parte superior da imagem é filtrada através da réplica digital de um telescópio para revelar novos mundos.
Crédito: Avesta Rastan
Fora do nosso sistema solar, os cientistas estimam que existam bilhões de mundos somente na Via Láctea. Chamados de exoplanetas, esses objetos celestes representam uma oportunidade de encontrar outros mundos habitáveis e aprender mais sobre nossos intrigantes vizinhos galácticos. Mas obter imagens de exoplanetas é difícil; a maioria orbita uma estrela, assim como a Terra, e são muito tênues em comparação com as massas brilhantes que aparecem próximas a eles em imagens astronômicas.
Agora, uma equipe de pesquisadores desenvolveu uma nova maneira de remover a luz das estrelas dos dados de telescópios para revelar exoplanetas escondidos em meio aos brilhos intensos. Ao construir um "gêmeo digital" da Câmera de Infravermelho Próximo (NIRCam) do Telescópio Espacial James Webb (JWST), eles conseguiram manipular parâmetros físicos para modelar o brilho das estrelas e, essencialmente, eliminar a luz estelar em imagens existentes do JWST para encontrar mundos ocultos. Seu método melhora a detecção de planetas conhecidos com uma sensibilidade de duas a 15 vezes superior às técnicas padrão.
"Obter imagens diretas de exoplanetas é incrivelmente desafiador porque até mesmo as menores imperfeições em um telescópio podem dificultar a separação da luz tênue de um planeta do brilho intenso de sua estrela", explica Katie Bouman , professora de ciências da computação e matemática, engenharia elétrica e astronomia do Caltech, bolsista Rosenberg e pesquisadora do Heritage Medical Research Institute, coautora de um artigo na revista Nature sobre o novo método, publicado online em 4 de novembro.
"O mais empolgante é que estamos mostrando como a computação pode ajudar a superar as limitações do próprio telescópio", continua Bouman. "Ao combinar um modelo físico do instrumento com técnicas de otimização de aprendizado de máquina, conseguimos remover a luz das estrelas com muito mais precisão, facilitando a detecção de exoplanetas tênues e até mesmo revelando um que estava anteriormente oculto nos dados do JWST."
Após construir um modelo digital da NIRCam do JWST, os pesquisadores usaram métodos computacionais para resolver milhões de possíveis imperfeições físicas e outras incógnitas que poderiam afetar os dados coletados pelo telescópio real. Ao eliminar os defeitos potenciais, eles conseguiram obter um modelo perfeito da aparência do brilho de uma determinada estrela, o que permitiu removê-lo das imagens de teste. Essa abordagem é chamada de Aprendizado Baseado em Física para Imagens de Planetas (FLIP, na sigla em inglês).
"Esta é a primeira vez que demonstramos que essas pequenas imperfeições ou instabilidades não são um fator limitante nos tipos de planetas que podemos observar", diz o autor principal, Rodrigo Ferrer-Chavez, estudante de pós-graduação na Universidade Northwestern, no laboratório do astrônomo Jason Wang, que também é coautor do artigo. "Ao passar por esse processo iterativo de tentar descobrir o que o telescópio realmente está fazendo durante as observações, você basicamente vê o brilho da estrela desaparecendo de maneiras muito estranhas. Ele fica mais fraco e muito deformado até que, no final, você obtém uma imagem bastante nítida e, se tiver sorte, há uma mancha ali, que é um planeta brilhante."
Ferrer-Chavez estava ávido por mais oportunidades de pesquisa, e Wang conversava com Bouman sobre como a experiência dela em imagens computacionais poderia ser combinada com o conhecimento dele em instrumentação para obter melhores resultados em imagens de exoplanetas. Então, eles decidiram orientar Ferrer-Chavez em um projeto colaborativo. Mas, como muitos experimentos, sua tentativa inicial falhou.
"A monografia de conclusão de curso do Rodrigo foi uma exploração de possíveis abordagens, nenhuma das quais acabou sendo a que usamos neste trabalho, mas ajudou a descartar o que não fazer e também nos ajudou a entender melhor o problema", diz Wang. "Acredito que nosso sucesso recente só foi possível porque fizemos esse exercício primeiro."
Inicialmente, Ferrer-Chavez pensou que poderia treinar modelos de aprendizado de máquina para prever a aparência do brilho de uma estrela nos dados, mas não funcionou. Em vez disso, a equipe teve que inverter essa ideia, aproveitando tecnologias de aprendizado de máquina — especificamente a capacidade de ter milhões de "botões" ou controles diferentes que podem ser ajustados — para realizar os cálculos de física que seriam impossíveis para um ser humano realizar em um tempo razoável.
"Agora temos uma ferramenta que nos permite descobrir e estudar planetas que não conseguíamos 'ver' antes, mesmo que esse planeta já estivesse em uma imagem no arquivo do JWST", explica Ferrer-Chavez. "Podemos tentar encontrar planetas que podem ter passado despercebidos lá, e também planetas que talvez tenhamos tentado fotografar, mas que não conseguimos detectar na época."
Os recentes avanços na tecnologia de telescópios aprimoraram a capacidade dos pesquisadores de ajustar ou bloquear o brilho estelar. Por exemplo, o Telescópio Espacial Nancy Grace Roman, lançado recentemente pela NASA, possui um Instrumento Coronógrafo projetado por cientistas do Caltech, JPL e IPAC (um centro de ciência e dados para astronomia no Caltech) especificamente desenvolvido para bloquear a luz das estrelas e capturar exoplanetas. Mas um telescópio físico jamais conseguiria atingir o nível de precisão do FLIP para revelar exoplanetas ocultos em imagens, afirma Wang.
"O Telescópio Espacial James Webb, no qual fizemos a demonstração, é opticamente estável em nível nanométrico, o que é simplesmente incrível, mas ainda assim é uma limitação", diz ele. "Estamos entusiasmados porque essa técnica não se limita especificamente ao JWST. Graças a um projeto muito específico, essa técnica poderia ser usada em qualquer telescópio."
A equipe planeja aprimorar sua técnica FLIP e aplicá-la a outros instrumentos, incluindo o Telescópio Espacial Roman e telescópios terrestres. Eles esperam que isso possa contribuir para futuras missões, como o Observatório de Mundos Habitáveis (HWO) da NASA, que seria o primeiro telescópio projetado para buscar sinais de vida em exoplanetas.
"O objetivo do HWO é encontrar planetas semelhantes à Terra e as zonas habitáveis de estrelas semelhantes ao Sol por meio de um método de imagem direta", diz Ferrer-Chavez. "O desafio de engenharia de tentar obter uma imagem de algo que é cerca de 10 bilhões de vezes mais fraco do que algo bem próximo é brutal — não apenas para limpar a imagem, mas também para construir um telescópio capaz de capturá-la."
Com a nova abordagem FLIP da equipe para remover a luz das estrelas após a captura das imagens, os engenheiros podem não precisar lidar com problemas de instabilidade da mesma forma.
"Sinto que acabamos de desvendar uma nova fronteira", diz Wang. "Com essa nova técnica, ultrapassamos pela primeira vez o limite de estabilidade do telescópio, e acredito que esse novo paradigma pode ser aplicado a todos os instrumentos que tentam obter imagens de exoplanetas."
O sonho final, diz Bouman, é tirar fotos de planetas semelhantes à Terra orbitando outras estrelas e, talvez, um dia encontrar sinais de vida.
"Ainda há um longo caminho a percorrer, mas este trabalho mostra o quanto mais é possível quando combinamos avanços na tecnologia de telescópios com imagens computacionais", diz Bouman. "Às vezes, a chave para ver algo novo não é apenas construir um instrumento melhor, mas encontrar uma maneira melhor de interpretar a luz que ele coleta."
O artigo publicado na revista Nature tem o título " Imagens de exoplanetas abaixo do limite de estabilidade do telescópio ". Os demais coautores são William T. Freeman e Brandon Y. Feng, do MIT, e Laurent Pueyo e Marshall D. Perrin, do Space Telescope Science Institute, em Baltimore. O trabalho foi financiado pelo Space Telescope Science Institute, pela Fundação Sloan, por um prêmio Amazon AI4Science Discovery Award e pela Fundação Nacional de Ciência (NSF).