Una red neuronal para la búsqueda de exoplanetas utilizando el método de velocidad radial
La búsqueda de exoplanetas es un campo que necesita fuertemente de la observación y el análisis de una gran cantidad de datos. Las mejoras en las técnicas e instrumentos posibilitaron que planetas con masas cada vez más pequeñas fuesen descubiertos usando los métodos de velocidad radial y tránsito;...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Articulo |
| Lenguaje: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/166033 |
| Aporte de: |
| Sumario: | La búsqueda de exoplanetas es un campo que necesita fuertemente de la observación y el análisis de una gran cantidad de datos. Las mejoras en las técnicas e instrumentos posibilitaron que planetas con masas cada vez más pequeñas fuesen descubiertos usando los métodos de velocidad radial y tránsito; pero recién en los últimos tiempos se pudo empezar a sondear con detalle los planetas de masa y radio más pequeños de la población planetaria. En la actualidad misiones como GAIA y TESS aportan una cantidad cada vez más grande de información y la comunidad está mirando hacia la ciencia de datos y a las diferentes metodologías de inteligencia artificial como un apoyo importante ante esta avalancha de datos. Ya en los últimos años, han comenzado a aparecer trabajos en el campo de planetas extrasolares que hacen uso de estas técnicas. El objetivo de este trabajo es explorar los alcances de las redes neuronales en el análisis de señales y buscar mecanismos para complementar o sustituir los métodos actuales. Para ello se generaron datos sintéticos que buscan imitar las mediciones de velocidad radial de estrellas de tipo solar, y se diseñó y entrenó una red neuronal para clasificarlos. Se compararon los resultados con los del método más común para detectar planetas en series temporales, y se mostró que la red neuronal logra una disminución en un 28 % en los falsos positivos con una mejora de cinco órdenes de magnitud en el tiempo de ejecución. |
|---|