Uma IA generalista conseguiu fazer algo que modelos especialistas tropeçavam feio: medir melhor as distâncias de quasares, alguns dos objetos mais brilhantes e distantes do Universo. 🌌🤖🧵

Imagem indisponível

O estudo é liderado pela Dra. Lilianne Nakazono, do Observatório Nacional, com Raquel Valença (IAG-USP) e Rafael Izbicki (UFSCar). E já foi aceito na Astrophysical Journal — baita vitrine para ciência feita no Brasil.

Mas por que isso é difícil? Astrônomos estimam a distância dos quasares pelo redshift: quanto mais a luz foi “esticada” pela expansão do Universo, mais longe o objeto está. Só que, na prática, cores parecidas podem esconder distâncias totalmente diferentes.

Imagem indisponível

É a tal degenerescência cor-distância: dois quasares podem parecer iguais para o telescópio, mesmo estando absurdamente longe um do outro. A IA especialista aprendia padrões, mas errava justamente nesses casos mais traiçoeiros.

A equipe testou um modelo de fundação tabular, o TabPFN 2.5. Em vez de criar uma IA do zero para uma única tarefa, ele já chega com repertório aprendido em escala massiva e consegue se adaptar melhor aos dados novos.

Imagem indisponível

Resultado: ele superou oito modelos especialistas nos pontos críticos. Manteve a precisão com poucos dados, quasares muito fracos e distantes, e até quando os dados usados no treino não batiam perfeitamente com o céu real.

E não ficou só no “confia na IA”: a equipe usou SHAP para investigar quais informações influenciavam as previsões. Transparência importa, especialmente quando modelos passam a apoiar descobertas científicas.

Imagem indisponível

A lição é bem legal: IA não substitui o olhar humano nem resolve tudo sozinha — a famosa “fronteira serrilhada” continua existindo. Mas, com validação e ciência aberta, ela pode ampliar muito o alcance da astronomia. ✨