[Depfis] Astronomía y Machine Learning

[Andrea P. Buccino]

Tengo el agrado de anunciar la defensa de tesis de licenciatura en 
Ciencias de la Computación de Luis Agustín Nieto.

Título: "Una red neuronal para la detección de exoplanetas en series 
temporales de velocidad radial"
Directores: Rodrigo F. Diaz (CONICET, ICAS-UNSAM) y Enrique Segura 
(DC-UBA)
Jurados: Julio C. Jacobo Berlles (DC-UBA) y Francisco Grings (CONICET, 
IAFE)

Día y hora: Martes 22 de diciembre a las 17h.

La defensa tendrá lugar en un aula virtual por Zoom y será transmitida 
en vivo por Youtube. Enviaremos el link un rato antes de la defensa.



Resumen:
El estudio de planetas extrasolares es un campo de investigación 
relativamente nuevo. Hace apenas 25 años se confirmaba el descubrimiento 
del primer exoplaneta en torno a una estrella de tipo solar y, gracias a 
las mejoras en instrumentos y técnicas, este número de cuerpos celestes 
fue creciendo rápidamente utilizando, principalmente, los métodos de 
velocidad radial y tránsito.

Misiones como GAIA y TESS; junto a otros proyectos, como el relevo VVV 
o el LSST; están aportando una cantidad cada vez más grande de 
información astronómica y la comunidad está mirando hacia la ciencia de 
datos y a las diferentes técnicas de inteligencia artificial como un 
apoyo importante ante esta avalancha de información.

El método de velocidad radial busca detectar la presencia planetaria 
mediante caracterizaciones de los movimientos de su estrella central; 
los diferentes ruidos provocados por la variabilidad intrínseca de la 
estrella; sumados al error instrumental y variabilidad temporal en la 
toma de datos, pueden dificultar la interpretación de los mismos e 
incluso generar falsas detecciones.

En este trabajo se propone una red neuronal que reemplaza un cálculo 
crucial de este método, se generan señales estelares sintéticas de 
estrellas de tipo solar y se comparan las aplicaciones de ambas 
implementaciones.
La red alcanza un 28% menos de falsos positivos en la detección de 
planetas y presenta una mejora sustancial en el tiempo de ejecución de 
cinco órdenes de magnitud, haciéndola ideal para su aplicación en 
grandes volúmenes de datos.

-- 
========================================
Andrea Paola Buccino
URL (Home Page): http://cms.iafe.uba.ar/abuccino
e-mail: abuccino en iafe.uba.ar
----------------------------------------
Instituto de Astronomía y Física del Espacio (IAFE)
Phone: (+54)-11- 5285-7827  or  (+54)-11- 4781-6755/4783-2642, ext 132
Fax: (+54)-11-4786-8114
CC 67 Suc. 28, 1428 Buenos Aires, Argentina.
----------------------------------------