ExoLens

Projeto de uma equipe de cinco pessoas, feito no fim de semana do NASA Space Apps Challenge (4 e 5 de outubro de 2025), num desafio sobre usar IA com os dados de exoplanetas da NASA.

Muitos candidatos a exoplaneta nos catálogos da NASA são falsos positivos. Separar um do outro é um problema clássico de classificação.

Dividimos o trabalho com um contrato simples: seis números entram, uma classificação sai. Assim o front-end avançou em paralelo enquanto eu treinava o modelo.

1. Dados

   Limpei e juntei as tabelas K2 e TESS e separei seis medidas do planeta e da estrela.

2. Modelos

   Comparei Random Forest e XGBoost com validação cruzada e pesos por classe, porque havia muito mais planetas confirmados que falsos positivos.

3. API

   Serviço em FastAPI com predição individual e em lote.

4. Interface

   Na página de laboratório, fiz o upload de curvas de luz em CSV e o gráfico interativo.

@app.post("/predict", response_model=PredictionResponse)
def predict(features: ExoplanetFeatures):
    if model is None or scaler is None:
        raise HTTPException(status_code=503, detail="Modelos de classificação não carregados")

    # Converter para array na ordem correta
    feature_array = np.array([[
        features.pl_orbper,
        features.pl_rade,
        features.pl_trandep,
        features.st_teff,
        features.st_rad,
        features.st_logg
    ]])

    feature_scaled = scaler.transform(feature_array)
    prediction = model.predict(feature_scaled)[0]
    probabilities = model.predict_proba(feature_scaled)[0]

• Modelo simples, de propósito

  Com poucas horas, modelos de árvore sobre dados de tabela eram a escolha certa, em vez de uma rede neural.

• Olhar o erro de cada classe

  O teste tinha 127 falsos positivos contra 1.263 planetas confirmados. A acurácia geral escondia os erros da classe menor.

• Uma API entre o modelo e a interface

  Um contrato pequeno deixou as duas partes independentes até o fim.

Protótipo funcionando ao fim do fim de semana, com código público. As capturas são do repositório rodando localmente.

• Ver o código-fonte (abre em nova aba)