Como funciona¶
Contexto científico¶
O método não é novo. Kevin Luhman descobriu a WISE 0855-0714 (a anã marrom mais fria conhecida, a ~2,3 parsecs, com movimento próprio de ~8"/ano) comparando imagens WISE de épocas diferentes. Voluntários de ciência cidadã, como os do projeto Backyard Worlds, também já acharam anãs ultrafrias vasculhando dados públicos: um deles, Frank Kiwy, achou sozinho dezenas de sistemas binários.
O que muda aqui é o catálogo. O CatWISE2020 (1,89 bilhão de fontes, combinando WISE e NEOWISE, 12 épocas em 8 anos) já traz o movimento próprio calculado por fonte, com precisão muito superior à de gerações anteriores. Não é preciso cruzar dois catálogos de épocas diferentes na mão: o ajuste já está feito, e melhor. Este projeto minera esse campo pronto.
Que dado é esse¶
O CatWISE2020 é um catálogo tabular: cada linha é uma fonte detectada no infravermelho (um ponto no céu), não uma foto. As colunas são medições já reduzidas:
| Coluna | O que é |
|---|---|
ra, dec |
posição no céu (graus) |
w1mpro, w2mpro |
brilho nas bandas infravermelhas W1 (3,4 µm) e W2 (4,6 µm), em magnitudes |
w1snr, w2snr |
razão sinal-ruído da medida em cada banda |
pmra, pmdec |
movimento próprio já calculado pelo catálogo (arcsec/ano) |
pmcode, ka, km |
blend da fonte (pmcode = ABCCC, A = nº de componentes) e uso de astrometria/movimento |
w1flg, w2flg, cc_flags, ab_flags, n_aw |
flags de qualidade/contaminação (artefato, confusão de fontes) |
O pipeline não processa imagens. A Fase 2 é uma consulta SELECT ... WHERE ... em ADQL (uma linguagem tipo SQL), rodada no servidor do IRSA via TAP, um protocolo de consulta a catálogos astronômicos. Cada candidato que avança é uma linha dessa tabela. Imagens só entram no fim, na inspeção humana (Fase 6).
Como o pipeline funciona¶
Fases sequenciais. Cada uma lê a tabela produzida pela anterior no SQLite e grava a sua, então elas se comunicam pelo banco, não por memória.
| Fase | O que faz | Status |
|---|---|---|
| 1 | Teste de sanidade: redescobre Luhman 16 (PM ~2,7"/ano) e WISE 0855 (PM ~8"/ano) via CatWISE2020 + SIMBAD. Se Luhman 16 falhar, o pipeline aborta, porque não faz sentido caçar objetos novos com uma stack que não acha os conhecidos. WISE 0855 só gera aviso | ✅ |
| 2 | Query ao CatWISE2020 (ADQL/TAP) numa região do céu, varrida em ladrilhos de 1 grau (um ladrilho que estoura o limite de linhas é dividido em 4), filtrando no servidor por movimento próprio, astrometria (ka=km=3) e qualidade de W2 (SNR e flag). Sem corte em W1: anãs Y são fracas nessa banda | ✅ |
| 3 | Filtragem fina de qualidade: remove contaminação/artefatos por cc_flags/ab_flags, troca do componente principal (pmcode B=N), confusão de fontes (n_aw) e movimento próprio pouco significativo (PM/σ < 8) |
✅ |
| 4 | Cross-match contra SIMBAD (via CDS XMatch em lote): descarta o que já é catalogado. O SIMBAD usa posições em J2000 e o CatWISE mede em ~2015, então a posição é recuada pelo movimento próprio antes do match. Sem isso, fontes com PM acima de ~0,3"/ano escapam como "novas". Depois, os que sobram são cruzados com 11 listas de anãs frias do VizieR (CATALOGOS_ANAS em config.py, como Karpov+2025, Kirkpatrick+2021/2024 e Best+2018) e com as 3.086 candidatas L/T do Backyard Worlds em Schneider+2026, que ainda não estão no VizieR (catalogos/schneider2026.csv), nas duas épocas, porque o SIMBAD demora a absorver catálogos novos |
✅ |
| 5 | Triagem assistida por LLM: prioriza os candidatos por consistência com uma anã L, T ou Y. A LLM ordena esforço humano, nunca dá o veredito final. O score varia entre rodadas (cerca de 1/3 dos candidatos mudam), então vale só como prioridade | ✅ |
| 6 | Inspeção visual humana (app Streamlit): recortes unWISE e óptico com mira na posição, animação do W2 por época, checklist com sugestão do pipeline, números, link pro WiseView, teste de movimento contra o AllWISE, busca por código e filtro por situação, decisão confirmar/dúvida/descartar gravada em revisao_humana. O notebook inspecao_visual.ipynb é a versão antiga, só com links |
✅ |
| 7 | Relatório dos confirmados (HTML com imagens embutidas), gerado por botão no app ou por python src/relatorio.py (que também grava um CSV), pra enviar a um astrônomo e pedir uma segunda opinião. Manual, como a Fase 6 |
✅ |
Quanto os cortes deixam passar. Os limiares foram medidos contra 949 anãs L/T/Y já conhecidas (python tools/recall_conhecidas.py, usa rede, ~8 min). Com os cortes atuais passam 76% delas (L 80%, T 70%, Y 77%). Duas medições mudaram o desenho: filtrar o primeiro dígito do pmcode (A=1) derrubava o recall de 76% pra 25%, porque ele mede vizinhança e não qualidade; e cortar por SNR em W1 perdia metade das anãs Y. As conhecidas são as mais brilhantes, então o recall pra anãs ainda não descobertas tende a ser menor.

Quantas fontes sobram em cada fase do pipeline.
Dados¶
Tudo em data/rastro.db (SQLite). Tabelas, em ordem de fase:
campo_bruto: resultado da query TAP (Fase 2)candidatos_fase3: após filtro de qualidadecandidatos_fase4: após cross-match SIMBAD e listas de anãs (comstatus,simbad_match_idecatalogo_match)candidatos_fase5: após triagem LLM (comllm_triage_scoreellm_triage_notes)revisao_humana: suas decisões da Fase 6 (confirmado,duvidaoudescartado, com nota). Tabela própria, que o pipeline não recria
Estrutura¶
.
├── pipeline.py # entrypoint (roda as fases 1-5)
├── config.py # toda a parametrizacao
├── requirements.txt
├── README.md
├── src/
│ ├── sanity_check.py # Fase 1
│ ├── fetch_field.py # Fase 2
│ ├── quality_filter.py # Fase 3
│ ├── known_catalog_match.py # Fase 4
│ ├── llm_triage.py # Fase 5
│ ├── relatorio.py # Fase 7: relatorio dos confirmados (HTML, e CSV pela linha de comando)
│ ├── campos.py # proximo bloco 5x5 do ceu para o --proximo
│ ├── util.py # prazo de relogio nas chamadas de rede
│ └── proper_motion.py # util (pm_total, cor_w1w2)
├── tools/
│ ├── recall_conhecidas.py # mede o recall dos cortes contra anas conhecidas
│ ├── gerar_referencias.py # folhas de referencia da revisao (docs/img/ref_*.jpg)
│ └── gerar_funil.py # grafico do funil (docs/img/funil_fases.png), lido do banco
├── app/
│ ├── revisao.py # Fase 6: router do app Streamlit de revisao visual
│ ├── estilo.py # tema escuro, cabecalho, ficha e checklist (CSS/HTML)
│ ├── dados.py # leitura/gravacao das revisoes, URLs e checklist
│ ├── imagens.py # recortes e animacao do W2, compartilhados pelas paginas
│ ├── guia.py # como ler as imagens, exemplos bom x ruim e pista do treino
│ ├── cruzamento.py # Gaia, Pan-STARRS e AllWISE, cruzados uma vez e guardados
│ ├── execucao.py # botao Buscar mais candidatas (pipeline em segundo plano)
│ └── paginas/
│ ├── fila.py # revisao visual: fila, imagens e decisao
│ └── treino.py # modo treino: casos com resposta
├── .streamlit/
│ └── config.toml # tema escuro e barra de ferramentas minima
├── tests/
│ └── test_units.py # testes de unidade offline
├── docs/img/ # figuras usadas na documentacao
├── notebooks/
│ └── inspecao_visual.ipynb # versao antiga da Fase 6 (so links)
└── data/
└── rastro.db # resultados (gitignored)