Um grupo de pesquisadores usou inteligência artificial (IA) para classificar quase 1 bilhão de imagens da aurora boreal, um passo que pode ajudar os cientistas a entender e prever esse impressionante fenômeno natural.
A equipe desenvolveu um algoritmo inovador para analisar mais de 706 milhões de imagens da aurora boreal, capturadas pelo projeto THEMIS (Time History of Events and Macroscale Interactions during Substorms) entre 2008 e 2022. O algoritmo organizou as imagens em seis categorias, com base em suas características visuais, demonstrando o potencial da IA para processar grandes conjuntos de dados atmosféricos.
“Esse imenso banco de dados é um recurso valioso que pode ajudar os pesquisadores a entender como o vento solar interage com a magnetosfera terrestre, a bolha protetora que nos protege das partículas carregadas vindas do Sol”, afirmou Jeremiah Johnson, pesquisador da Universidade de New Hampshire e autor principal do estudo, em um comunicado da universidade. “Até agora, o tamanho colossal do banco de dados limitava a forma como podíamos utilizá-lo de maneira eficiente.”
A pesquisa da equipe foi publicada no mês passado no periódico Journal of Geophysical Research: Machine Learning and Computation, descrevendo como o algoritmo de IA foi treinado para rotular automaticamente centenas de milhões de imagens de auroras. Essa inovação pode ajudar os cientistas a explorar esse fenômeno celestial de forma mais rápida e eficiente.
Auroras e o ciclo solar
Este ano tem sido particularmente ativo em termos de auroras, pois o Sol está atingindo o pico de seu ciclo solar, que dura 11 anos. Durante essa fase, há aumento na atividade da superfície solar, incluindo:
- Ejeções de massa coronal (CMEs), grandes erupções de plasma solar.
- Explosões solares (flares), que lançam partículas carregadas ao espaço.
Quando essas partículas interagem com a atmosfera da Terra, criam o brilho etéreo que conhecemos como auroras. Embora essas partículas também possam causar distúrbios em sistemas eletrônicos e redes elétricas, o foco aqui é o espetáculo visual — e não o caos potencial do clima espacial.
Segundo Johnson, a criação desse banco de dados organizado é crucial para futuras pesquisas:
“Esse banco de dados rotulado pode revelar novos insights sobre a dinâmica das auroras. Nosso objetivo principal foi organizar o banco de imagens do projeto THEMIS para que os vastos dados históricos possam ser usados de forma mais eficaz pelos pesquisadores e sirvam como uma ampla amostra para estudos futuros”, explicou Johnson.
Prever tempestades solares — que desencadeiam as auroras — é um desafio porque os cientistas só conseguem medir com precisão as partículas solares quando elas estão a menos de uma hora de atingir a Terra. Com um banco de dados organizado e amplo, os pesquisadores esperam associar as auroras aos eventos solares que as causaram, facilitando previsões futuras.
Seis categorias de auroras
O algoritmo de IA classificou as centenas de milhões de imagens de auroras em seis tipos principais:
- Arco (Arc): Linhas longas e brilhantes, típicas do início das auroras.
- Difusa (Diffuse): Auroras fracas e dispersas.
- Discreta (Discrete): Padrões bem definidos e vibrantes.
- Nublado (Cloudy): Imagens obscurecidas por nuvens.
- Lua (Moon): Interferência da luz lunar nas imagens.
- Clara/sem aurora (Clear/No Aurora): Céu limpo, mas sem auroras.
Com essa classificação detalhada, os cientistas poderão comparar os tipos de auroras com os dados atmosféricos e os eventos solares que as causaram. Isso ajudará a identificar quais misturas de partículas solares e atmosféricas produzem os diferentes tipos de auroras.
Além disso, a capacidade da IA de analisar rapidamente centenas de milhões de imagens — em comparação com a velocidade muito mais lenta da análise humana — representa um grande avanço para a pesquisa sobre auroras.
Graças à IA, o caminho para prever o espetáculo das auroras boreais está cada vez mais próximo!
