INVESTIGAÇÃO DA HABITABILIDADE PLANETÁRIA DE EXOPLANETAS DO TIPO SUPERTERRAS POR MEIO DE TÉCNICAS DE DATA MINING E MACHINE LEARNING Área de conhecimento (Tabela CNPq): 1.04.02.00-4 Astrofísica Estelar

Resumo

Nas últimas décadas, vários exoplanetas do tipo Superterras foram descobertos orbitando
estrelas dos tipos M, K e G. Entretanto, pouco se conhece sobre a constituição desses objetos ou se eles
são aptos a abrigar algum tipo de vida, já que eles não existem no Sistema Solar. Assim, o objetivo dessa
pesquisa foi analisar as condições de habitabilidade planetária de 770 planetas por meio de técnicas de
Machine Learning. Com a utilização do procedimento de Análise por Componentes Principais (PCA),
as informações de uma população seleta de planetas contidas no repositório público da NASA sofreram
um processo de redução de dimensionalidade para que, posteriormente, fosse empregado o método de
clusterização não hierárquico K-Means. O processo teve como propósito agrupar corpos semelhantes e
escolher entre eles aqueles mais propensos a fornecer condições otimizadas para a vida se desenvolver.
A análise desses agrupamentos revelou que um conjunto específico de exoplanetas apresentava
características mais adaptadas à existência de uma biosfera capaz de possibilitar a identificação de
bioassinaturas ligadas à vida, já que possuíam valores de Índice de Similaridade com a Terra (ESI)
elevados. Esse aglomerado de planetas extrasolares foi estudado, o que permitiu a identificação de doze
alvos prioritários para futuras missões de busca por assinaturas biológicas. O estudo demonstra a eficácia
da combinação de técnicas de análise de dados no auxílio de missões astronômicas que visam encontrar
sinais de vida extraterrestre na atmosfera de exoplanetas.