Galaxy Morphology Classification: Uncertainty Modeling and Out of Distribution Detection

O universo é preenchido por bilhões de galáxias, cada uma uma vasta ilha de estrelas, gás e poeira. Por quase um século, os astrônomos classificaram essas ilhas cósmicas em famílias baseadas em suas formas: algumas são suaves e arredondadas como gigantes bolas de luz, enquanto outras são espirais planas com braços sinuosos. Essa classificação, conhecida como classificação morfológica, não é apenas uma questão de catalogação; a forma de uma galáxia conta uma história sobre sua história, como ela se formou e como mudou ao longo do tempo. No entanto, à medida que os telescópios modernos capturam imagens do céu com clareza e volume sem precedentes, o número de galáxias tornou-se grande demais para os olhos humanos examinarem uma por uma. Para acompanhar o ritmo, os cientistas recorreram à inteligência artificial, ensinando computadores a reconhecer essas formas automaticamente. Mas há um problema: programas de computador padrão são frequentemente excessivamente confiantes. Quando encontram uma galáxia que parece estranha ou diferente de tudo o que já viram, eles ainda a forçam em uma categoria conhecida e afirmam estar certos, potencialmente escondendo descobertas raras ou novas atrás de uma parede de falsa confiança.

Uma equipe de pesquisadores do Instituto Indiano de Tecnologia de Hyderabad estabeleceu o objetivo de corrigir esse problema, construindo uma maneira mais inteligente para os computadores classificarem galáxias. Eles se concentraram em um desafio específico chamado detecção de "fora da distribuição" (out-of-distribution), que é simplesmente a capacidade de reconhecer quando uma imagem não pertence aos grupos conhecidos. Usando uma coleção massiva de imagens de galáxias do Dark Energy Camera Legacy Survey, eles treinaram um sistema de aprendizado profundo para não apenas identificar as nove formas padrão de galáxias, mas também para admitir quando estava incerto. Os pesquisadores testaram três abordagens diferentes. A primeira foi um método padrão usado como linha de base. O segundo introduziu uma nova técnica que mede o quão longe as características de uma galáxia estão do centro de seu grupo conhecido, em vez de apenas adivinhar uma categoria. O terceiro combinou essa medição de distância com um método que executa a mesma imagem através do cérebro do computador várias vezes com pequenas variações, permitindo que o sistema avalie sua própria incerteza.

Os resultados mostraram que os novos métodos foram muito superiores à abordagem padrão. O sistema que utilizou a técnica baseada em distância tornou-se significativamente melhor em detectar galáxias incomuns, melhorando sua capacidade de identificá-las corretamente como "desconhecidas" em quase 90 por cento em comparação com a linha de base, enquanto ainda identificava corretamente as formas conhecidas com 97 por cento de precisão. Crucialmente, este sistema aprendeu a ser humilde. Quando encontrava uma galáxia que era difícil de classificar ou que parecia uma mistura de diferentes tipos, ele não forçava um rótulo. Em vez disso, sinalizava incerteza, muitas vezes mostrando que a galáxia estava longe do centro de qualquer grupo de formas conhecidas. Esse comportamento é vital para futuros levantamentos do céu, onde o objetivo não é apenas contar o que conhecemos, mas encontrar o raro, o estranho e o anteriormente não visto.

Os pesquisadores também descobriram que combinar o método de distância com a técnica de múltiplas passagens tornava o sistema ainda mais confiável. Ao executar a imagem através da rede muitas vezes, o computador podia ver se sua resposta mudava ligeiramente a cada passagem. Se a resposta vacilasse, o sistema sabia que estava lidando com algo ambíguo. Essa abordagem reduziu o erro nos escores de confiança do sistema em cerca de 73 por cento, o que significa que, quando o computador dizia que estava seguro, ele estava genuinamente seguro, e quando dizia que estava inseguro, estava identificando corretamente um caso difícil. O estudo demonstrou que, ao mudar a forma como o computador mede a similaridade — focando na distância geométrica em vez de apenas na probabilidade — era possível criar uma separação mais clara entre galáxias familiares e aquelas que são verdadeiramente novas ou estranhas.

Este trabalho não apenas melhora a velocidade da classificação; ele muda a confiabilidade de todo o processo. No passado, um sistema automatizado poderia ter rotulado erroneamente e com confiança uma galáxia rara em fusão como uma espiral comum, efetivamente apagando um evento cósmico único do registro. O novo framework garante que tais anomalias sejam sinalizadas para revisão humana. Os pesquisadores verificaram que o computador estava prestando atenção às partes certas das imagens, como braços espirais ou bulbos centrais, em vez de ruído aleatório ou artefatos de fundo. Quando o sistema cometia um erro, era frequentemente porque a própria galáxia era confusa, com características que se misturavam, e o sistema refletia corretamente essa confusão através de uma maior incerteza.

As implicações para a astronomia são significativas. Telescópios próximos capturarão em breve imagens de bilhões de galáxias, um volume que torna a verificação manual impossível. Ter uma ferramenta que possa classificar automaticamente os conhecidos enquanto aponta de forma confiável para os desconhecidos é essencial para descobrir a próxima geração de fenômenos cósmicos. Os pesquisadores observaram que, embora seu método seja altamente eficaz, ele requer mais poder de computação para executar as múltiplas verificações necessárias para a incerteza. No entanto, eles argumentam que esse custo é um preço pequeno a pagar pela capacidade de confiar no catálogo automatizado e para garantir que nenhuma galáxia estranha ou rara passe despercebida. Ao ensinar as máquinas a reconhecerem os limites de seu próprio conhecimento, os astrônomos podem finalmente deixar os computadores lidarem com o trabalho rotineiro enquanto focam sua própria atenção nos objetos mais misteriosos e fascinantes do universo.