Vinte petabytes. Será esse o tamanho do catálogo final a ser produzido pelo Observatório Rubin, no decurso de dez anos de observações do céu. São 20 milhões de gigabytes, ou o equivalente à memória conjunta de 100 mil celulares.
Não é para menos. Durante esse período, o telescópio vai varrer o céu em busca de eventos transientes, ou seja, objetos astronômicos com brilho variável ou que podem desparecer rapidamente, como supernovas. A cada três noites o céu completo será registrado, e ao longo do tempo teremos um filme detalhado da evolução do universo após vários anos. Serão 15 terabytes por noite, para um catálogo final de 10 milhões de supernovas descobertas, além de 17 bilhões de estrelas e 20 bilhões de galáxias.
Com esses números astronômicos —desculpem o trocadilho— há de se imaginar como conseguiremos processar tantos dados. Afinal, com 1 milhão de supernovas por ano, não podemos esperar que astrônomos examinem visualmente cada imagem produzida: tal perquirição exigirá o uso de algoritmos de busca rápidos e uma ciência de dados de ponta.
Assim, para esse e outros projetos na pesquisa astrofísica, a utilização de técnicas computacionais é cada vez mais fundamental. Precisamos automatizar nossos computadores para que realizem as tarefas de maneira eficiente, e a uma velocidade muito mais célere que a de um ser humano.
Voltando ao exemplo das supernovas, é crucial que as descobertas sejam feitas e anunciadas quase instantaneamente. Um computador pode, em questão de minutos, vasculhar as observações buscando uma estrela que não estava lá antes, comparando as imagens com observações prévias, e calculando a probabilidade de que aquele ponto brilhante seja uma supernova, além de anunciar a descoberta a cientistas do mundo todo, para que possam apontar outros telescópios na mesma direção a fim de investigar melhor o fenômeno. Tudo isso antes que a supernova perca seu brilho, inviabilizando a pesquisa.
Outro exemplo importante é a análise de formas de galáxias, um aspecto muito significativo de seu estágio evolutivo. Costumávamos fazer a classificação visualmente, mas isso é impossível quando estamos falando de dezenas de bilhões de objetos.
Nesses casos, a inteligência artificial é uma aliada de peso. Não estamos falando de computadores que vão se rebelar contra seus donos e dominar o mundo como nos filmes de Hollywood, mas sim de programas capazes de identificar as características principais de um astro pelas imagens, repetindo o processo de classificação de forma eficiente para bilhões de galáxias.
Já participei de alguns trabalhos que faziam isso, produzindo catálogos de galáxias muito mais vastos e eficientes do que poderíamos fazer se nos restringíssemos à capacidade humana.
O interessante é perceber como nosso trabalho começa a se assemelhar, mais e mais, ao trabalho de ciência de dados em empresas. O objetivo é diferente, claro, mas a metodologia é semelhante, vasculhando bancos de dados para classificar os resultados, aproveitando as melhores combinações de propriedades. É o mesmo na prospecção de ações no mercado financeiro ou em companhias de redes sociais que estão planejando os melhores anúncios para cada usuário.
Não à toa um dos principais destinos dos estudantes de astronomia para além do meio acadêmico é a posição de cientista de dados em empresas privadas. Vários astrônomos —às vezes até mesmo após a conclusão dos cursos de mestrado ou doutorado— acabam encontrando colocações bem remuneradas sob tais condições.
Acredito que é importante aproveitar essas oportunidades. Primeiro, pela possiblidade de atração de investimentos por meio de parcerias com empresas. Já há grupos de pesquisa no país que conseguem montar equipes e construir supercomputadores com essa experiência: ao mesmo tempo que essa infraestrutura ajuda na prospecção de petróleo, também serve para a análise de imagens astronômicas.
Além do mais, entendo que isso pode ajudar a entender como o conhecimento se constrói nas universidades e institutos de pesquisa. Muitas vezes me perguntam para que serve meu trabalho, como se o entendimento do universo não fosse objetivo suficiente.
Mas não é só isso: eu trabalho em uma instituição que valoriza o conhecimento e a descoberta. Sem o estímulo ao pensamento livre, a visão utilitarista de pesquisa com vistas ao produto impede a livre circulação de ideias que realmente nos permite avançar. Sem essa liberdade, não teríamos, por exemplo, a internet, inventada para permitir a comunicação eficiente de pesquisadores.
Não importa se meu objetivo é entender a formação de galáxias no começo do universo ou prever o comportamento da bolsa de ações nos próximos dias; o fundamental é reconhecer o papel da criatividade e liberdade de ideias das instituições científicas no avanço do conhecimento, e seu potencial multiplicador por meio de parcerias com agências governamentais e empresas privadas.
*
Thiago S. Gonçalves é astrônomo, diretor do Observatório do Valongo da Universidade Federal do Rio de Janeiro e divulgador de ciência.
O blog Ciência Fundamental é editado pelo Serrapilheira, um instituto privado, sem fins lucrativos, que promove a ciência no Brasil. Inscreva-se na newsletter do Serrapilheira para acompanhar as novidades do instituto e do blog.
Comentários
Os comentários não representam a opinião do jornal; a responsabilidade é do autor da mensagem.