é resultado da combinação de habilidades distintas

A unificação das técnicas de multidisciplinaridade da Ciência da Computação e Astrofísica, permitiu realizações que antes ficavam no âmbito da simulação. Um exemplo do resultado deste esforço em conjunto foi o registro de uma fotografia de um buraco negro, o Messier 87 (M87) que está a 1,6 milhões de anos luz da Terra. A foto pode ser acompanhada na capa do post e foi publicada no primeiro semestre de 2019. O feito foi realizado pelo projeto de nome Event Horizon Telescope (EHT). Estava prevista a publicação também da foto do buraco negro do centro da Via Lactea, o 𝑆𝑎𝑔𝑖𝑡𝑡𝑎𝑟𝑖𝑢𝑠𝐴∗, que está a aproximadamente 26 mil anos luz da Terra. Mas mesmo em uma distância mais próxima de nós, os resultados não ficaram como era esperado e o consórcio adiou a publicação desta foto.

O EHT é um consórcio entre diversos centros de pesquisa espacial ao redor do mundo, permitindo que as fotos fossem capturadas por aproximadamente 10.000 horas, e fossem armazenadas em paralelo em um conjunto de até 32 discos com capacidades entre 6 e 10 Terabyte (TB) cada. O resultado desta parte instrumental e sua volumetria que chega a ter 15 Petabyte (PB) de dados está publicado no portal do consorcio.

Relação Sol-Terra

O acompanhamento de atividade de corpos celestes e seus possíveis impactos na Terra são estudados há séculos. O Sol, em específico, foi foco de diversos estudos habilitados principalmente pelos lançamentos de satélites para a camada externa da atmosfera Terrestre. A radiação emitida pelo Sol pode ser prejudicial para a vida na Terra. Podendo interferir em infraestrutura, instrumentos de medição e as pessoas no espaço. Baseado nestes impactos, os estudos de previsão de explosões solares se mostram importante!

Atualmente existem duas linhas de pesquisa básica, onde há esforço para predizer as explosões solares com antecedência. Uma das linhas busca prever a ocorrência e o momento da explosão. Outra busca entender a configuração dos campos magnéticos da explosão solar e estimar seu tempo de impacto na Terra.

Equipamentos de medição

Diferente de um telescópio óptico que recebe a imagem do objeto diretamente, o rádio telescópio, recebe a informação de intensidade, fase e polarização do sinal de rádio do objeto observado. Diversos elementos que afetam a observação são constatados em rádio telescópios. Como por exemplo, a interferência eletromagnética. Mas também falhas de antena e alimentação de energia, confusão de canal, instabilidade do sistema, falha do receptor, entre outros. Contudo, uma tarefa importante em rádio observação é a capacidade de descobrir, sinalizar e excluir esses dados de ruído.

Cada satélite Geostationary Operational Environmental Satellite (GOES) possui dois sensores que coletam Raio-X solares. Ou seja, para bandas de canal curto o comprimento de onda está entre 0,5 e 4 𝐴̊, lê-se Angstroms (Ångström). E os sinais de canal longo onde o comprimento é entre 1 e 8 𝐴̊. As medições são realizadas a partir de sinais que chegam em duas câmaras de íons cheias de gás, uma para cada banda.

Mas equipamentos terrestres também permitem estudos, que podem ser realizados na faixa da luz visível ou faixa rádio entre 500 MHz e 50 GHz.

Multidisciplinaridade da Computação e Astrofísica

A aplicação de técnicas avançadas de Ciência da Computação no campo da Inteligência Artificial, com dados da Astrofísica obtidos através dos telescópios GOES, permite descobrir e reconhecer os padrões comportamentais do sinal Raio-X. E observando as características de sinal Raio-X que antecederam as explosões solares ocorridas no passado foram desenvolvidos modelos de Aprendizagem de Máquina para que, ao apresentar novas entradas de dados capturados em tempo real pelo satélite, seja possível predizer a ocorrência de explosões com o máximo de antecedência possível.

A minha pesquisa do mestrado foi para a criação de um modelo de predição que informa como resultado qual será a intensidade de uma próxima explosão a partir das explosões observadas.

Para o modelo final foram criadas regras de associação utilizando o algoritmo Apriori, com um suporte mínimo de 0,01 e confiança de 0,8. A escolha dos valores de suporte e confiança foram definidas através de uma série de experimentos com alteração destes parâmetros e teste de assertividade. Com o suporte de 0,01 e confiança de 0,8, a partir da combinação de elementos de Raio-X foram criadas 56.853.701 regras de associação.

O post Multidisciplinaridade da Computação e Astrofísica apareceu primeiro em Diego Nogare.

Programa de Pós Graduação em Engenharia Elétrica e Computação

Depois de três tentativas sem sucesso em mais de uma década, finalmente conclui o Mestrado em Inteligência Artificial e Astrofísica. O mestrado é da Computação, mas a pesquisa abrange uma resolução de problema envolvendo a Astrofísica Solar.

Vou explicar essa trajetória…

Fracassos do passado

Esta é a quarta vez que me envolvo em um programa de mestrado. Infelizmente nas outras três vezes eu precisei abandonar os cursos por conta do trabalho. Mas agora foi diferente, pois no Mackenzie o mestrado é no período noturno, mesmo sendo um programa acadêmico, e não profissional.

Em 2008 foi a minha primeira tentativa, na época pela Unicamp, quando cursei apenas um período. Tentei em outras duas oportunidades, em 2011 e 2014, ambas pela UFABC (Universidade Federal do ABC). Mas em 2017 tomei a decisão de concluir e me inscrevi no programa do Mackenzie, que teve início em 2018.

Desafios durante o curso

Estudar para conquistar o título de mestre com certeza não é algo simples! É preciso se dedicar ao máximo para chegar lá, e isso eu posso falar com propriedade de causa, não é?!

Ao ingressar no programa de mestrado é recomendado que você tenha um professor tutor, que lhe ajudará no caminho da pesquisa. Ele também vai auxiliar nas escolhas de disciplinas que fazem sentido durante o curso e pode ser que venha a ser seu orientador na escrita da dissertação, mas não é uma obrigatoriedade.

Dica: procure um professor que conheça o assunto que você pretende estudar. Ele vai te ajudar a encontrar caminhos menos tenebrosos durante a sua jornada de estudo e pesquisa.

Eu tive a sorte de já entrar no programa com o meu orientador definido. O Prof. Dr. Ismar Frango Silveira foi meu coordenador do curso de graduação em Ciência da Computação há muitos anos, e temos um ótimo relacionamento desde então. Ele foi fundamental para me ajudar a encontrar o que realmente importava na pesquisa e tirar as distrações do caminho. Senti que tive um porto seguro dentro da academia, com ele me ajudando inclusive em momentos pessoais. Contudo, infelizmente, existem relatos de professores que praticam assédio moral com alunos, causando abandono dos programas de pós-graduação e até suicídio. Google it para ver as histórias. Tive muita sorte do Prof. Ismar não ser assim!

As aulas e as publicações

A dedicação para o curso é de 24 meses, mas se precisar, pode postergar por mais seis meses, chegando ao total de dois anos e meio. No término deste período, é necessário ter concluído todos os créditos, publicações e qualificação.

Eu cursei seis disciplinas, conseguindo conceito A em três delas (REDES NEURAIS, COGNIÇÃO E APLICAÇÕES COMPUTACIONAIS e VISUALIZAÇÃO/PROCES DE CONHECIMENTO) e B em outras três (TÓPICOS EM BIG DATA, MINERAÇÃO DE DADOS e PENSAMENTO COMPUTACIONAL). Era necessário fazer uma publicação, mas eu fiz duas: um capítulo de livro sobre Big Data com Spark para a I Jornada Latino Americana de Atualização em Informática, em 2018, e um poster com proceeding na XLIII reunião anual da Sociedade Astronômica Brasileira, em 2019

Para concluir o Mestrado em Inteligência Artificial e Astrofísica, fiz todos os créditos no PPGECC – Programa de Pós-Graduação em Engenharia Elétrica e Computação, mas tive um envolvimento grande com o CRAAM – Centro de Rádio Astronomia e Astrofísica do Mackenzie. Isso porque o pessoal do CRAAM conhece muito sobre o assunto de Astrofísica Solar, me trazendo algumas sugestões de problemas para resolver.

Combinando Inteligência Artificial e Astrofísica na pesquisa

O trabalho foi dividido em três partes: a primeira sobre entender como o Sol funciona; já a segunda a respeito das técnicas de predição com Inteligência Artificial; e a terceira a junção da IA e Astrofísica Solar.

Para o estudo, realizamos uma revisão sistemática de literatura, buscando tudo o que havia de publicação nos últimos cinco anos sobre Machine Learning e Solar Flare. Após encontrar o estado da arte das previsões de explosões solares, constatamos que para esse propósito o modelo que melhor se aplica é o Support Vector Machine. A linha desenvolvida foi baseada em algo diferente e esta abordagem não havia sido explorada por nenhum dos trabalhos pesquisados. Então, desenvolvemos a pesquisa com Regras de Associações de eventos, pela qual descobrimos o comportamento das explosões mais fortes, que podem impactar o funcionamento de diversos equipamentos aqui na Terra.

Posso considerar que os resultados foram satisfatórios, mas deu um trabalho enorme explorar as possibilidades e encontrar os parâmetros que se encaixam melhor na configuração das regras.

Mas porque escrevi tudo isso?

Em primeiro lugar porque finalmente – e depois de mais de 10 anos – concluí o Mestrado em Inteligência Artificial e Astrofísica. Mas quero reforçar que a persistência, a dedicação e o foco me fizeram chegar aqui.

Se você tem algo em mente e quer muito realizar, continue tentando! Monte um plano, pense em estratégias. Se der errado, aprenda com o que deu ruim e trace outra tática. Só não desista!

Hoje em dia é comum as pessoas quererem algo com retorno rápido. O mundo digital está acostumando mal a sociedade e os jovens são os mais impactados por isso. Mas tenha calma e se dedique, que um dia a sua recompensa chegará!

Tente arrumar alguém mais experiente para lhe ajudar no direcionamento correto, a retirar as distrações da jornada e oferecer todo o suporte necessário. Mas trabalhe! Não espere que essas grandes conquistas cheguem de forma exotérica. Foco no seu objetivo!

Enfim, Mestre!

O post Mestrado em Inteligência Artificial e Astrofísica apareceu primeiro em Diego Nogare.