Aplicaciones de Machine Learning en el campo de variabilidad estelar. Desarrollo de métodos para la identificación de señales planetarias.
Loading...
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
La detección y caracterización de planetas extrasolares (exoplanetas) representa
uno de los mayores desafíos en la astrofísica moderna y en el análisis de datos
astronómicos. Espectroscopios como el High Accuracy Radial velocity Planet
Searcher (HARPS) han recolectado observaciones desde el año 2003 y uno de los
resultados más interesantes a aparecido en las estrellas de clase M. En particular,
las enanas M son excelentes candidatos para encontrar planetas rocosos en la
zona habitable. Usando observaciones de velocidad radial telescopio HARPS
para estrellas de clase M con detecciones de exoplanetas confirmadas, hemos
entrenado modelos de aprendizaje de máquinas de dos tipos (Máquinas de Vector
de Soporte y Árboles Aleatorios) con el fin de crear herramientas automatizadas
para detectar la presencia de señales planetarias con un alto grado de confianza.
Hemos entrenado estos modelos con periodogramas de tipo Lomb-Scargle derivados
de las observaciones de velocidad radial, consiguiendo una exactitud del 85 % y un
Recall del 94 % con nuestro mejor modelo, demostrando que se puede utilizar el
aprendizaje de máquinas de manera efectiva para la detección planetaria a partir
de series de velocidad radial.
Description
Tesis presentada para optar al grado de Magíster en Astronomía.
Keywords
Aprendizaje de Máquina, Planetas Extrasolares, Diseño de Experimentos, Transformaciones de Fourier