Objetivo desta pesquisa consiste na identificação e classificação de estrelas variáveis jovens semelhantes ao Sol, em termos de massa, volume e temperatura, porém ainda com um disco protoplanetário orbitando seu denso núcleo estelar - Estrelas T Tauri - através de técnicas de classificação em Machine Learning, numa abordagem de aprendizado supervisionado, mais especificamente implementando-se modelos de Redes Neurais Profundas, nas regiões de formação estelar NGC 2264 e NGC 6530.

Com o acelerado desenvolvimento tecnológico nas últimas décadas, a capacidade de se construir instrumentos astronômicos, como telescópios e sondas espaciais, capazes de absorver progressivamente um volume maior de dados brutos relativos à radiação eletromagnética do Universo, tem-se tornado uma demanda da Astrofísica em geral a automação inteligente do tratamento desses volumosos dados, levando-se em consideração sua natureza e particularidades.

O processo atual de rotulação de estrelas realizado pela comunidade especializada (os astrofísicos estelares) trata esse vasto volume de dados através de métodos convencionais, com alguma espécie de análise qualitativa (manual) ou através de algoritmos probabilísticos (e.g. Las Vegas e Monte Carlo). Nesse sentido, as principais razões para se buscar uma automação de classificação de variabilidade de estrelas, pertinente à astrofísica estelar, através de técnicas de Machine Learning, consistem na:

• Enorme quantidade de dados (big data) capturados e armazenados pelas agências espaciais. O número de satélites artificiais (sondas e telescópios espaciais) e observatórios terrestres dedicados à variabilidade fotométrica de objetos estelares aumentou muito na última década. Muito disso em função da detecção de exoplanetas e exoluas.
• Melhor definição de critérios quantitativos e adaptação desses critérios à medida que a Rede Neural aprende. Um algoritmo simples é incapaz de se aperfeiçoar e uma análise qualitativa feita pelo olho humano é pouco adequada para encontrar pequenas diferenças e sutilezas em quantidades massivas de dados - Big Data.