UTILIZANDO MACHINE LEARNING NA IDENTIFICAÇÃO DE EXOPLANETAS ATRAVÉS DE ANÁLISE DE FLUXO DE LUZ
Resumo
A busca por planetas fora do sistema solar é um dos campos mais promissores da astronomia moderna. Nos últimos anos, o telescópio Kepler da NASA foi fundamental na identificação de exoplanetas, fornecendo uma grande quantidade de dados de fluxo de luz para análise. No entanto, o processo de detecção de exoplanetas é complexo e pode ser difícil para os astrônomos identificarem padrões. O presente artigo elabora o desenvolvimento de um modelo de machine learning em Python para detectar exoplanetas a partir dos gráficos de fluxo de luz do telescópio Kepler, utilizando-se de duas abordagens, Árvores de Decisões e Regressão Logística. Os modelos foram treinados usando um conjunto de dados extenso e rotulado, contendo exemplos de exoplanetas e objetos não planetários, sendo realizada a comparação da precisão de ambos. Os resultados mostraram que a Regressão Logística apresentou uma precisão superior na detecção de exoplanetas. Tais pesquisas fazem-se necessárias para o estudo de técnicas de detecção e análise de dados astronômicos por meio de inteligência artificial.