Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial

Mostrar todas las versiones(3)

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 ráp...

Descripción completa

Detalles Bibliográficos
Autor principal: Nieto, Luis Agustín
Otros Autores: Díaz, Rodrigo Fernando
Formato: Tesis de grado publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2020
Materias:
ASTRONOMIA
VELOCIDAD RADIAL
EXOPLANETAS
ANALISIS DE SEÑALES
REDES NEURONALES
APRENDIZAJE PROFUNDO
ASTRONOMY
RADIAL VELOCITY
EXOPLANETS
SIGNAL ANALYSIS
NEURAL NETWORKS
DEEP LEARNING
Acceso en línea:https://hdl.handle.net/20.500.12110/seminario_nCOM000481_Nieto
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000481_Nieto_oai
Aporte de:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-seminario_nCOM000481_Nieto_oai
record_format dspace
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
topic ASTRONOMIA
VELOCIDAD RADIAL
EXOPLANETAS
ANALISIS DE SEÑALES
REDES NEURONALES
APRENDIZAJE PROFUNDO
ASTRONOMY
RADIAL VELOCITY
EXOPLANETS
SIGNAL ANALYSIS
NEURAL NETWORKS
DEEP LEARNING
spellingShingle ASTRONOMIA
VELOCIDAD RADIAL
EXOPLANETAS
ANALISIS DE SEÑALES
REDES NEURONALES
APRENDIZAJE PROFUNDO
ASTRONOMY
RADIAL VELOCITY
EXOPLANETS
SIGNAL ANALYSIS
NEURAL NETWORKS
DEEP LEARNING
Nieto, Luis Agustín
Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
topic_facet ASTRONOMIA
VELOCIDAD RADIAL
EXOPLANETAS
ANALISIS DE SEÑALES
REDES NEURONALES
APRENDIZAJE PROFUNDO
ASTRONOMY
RADIAL VELOCITY
EXOPLANETS
SIGNAL ANALYSIS
NEURAL NETWORKS
DEEP LEARNING
description 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 GAIA¹ y TESS², junto a otros proyectos, como el relevo VVV³ o el LSST⁴, 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. Ya en los últimos tiempos han comenzado a aparecer trabajos en el campo de planetas extrasolares que hacen uso de estas herramientas, algunos con resultados que incluso superan los obtenidos con las últimas técnicas en el campo. 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 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 con una mejora sustancial en la velocidad de ejecución de cinco órdenes de magnitud, haciéndola ideal para su aplicación en grandes volúmenes de datos. Los prometedores resultados obtenidos son la base para trabajos futuros cuyo objetivo final es la aplicación sobre señales reales, y esperamos que sirvan como base para reforzar la importancia de los trabajos interdisciplinarios dentro de las ciencias de la computación.
author2 Díaz, Rodrigo Fernando
author_facet Díaz, Rodrigo Fernando
Nieto, Luis Agustín
format Tesis de grado
Tesis de grado
publishedVersion
author Nieto, Luis Agustín
author_sort Nieto, Luis Agustín
title Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
title_short Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
title_full Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
title_fullStr Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
title_full_unstemmed Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
title_sort una red neuronal para la detección de exoplanetas en series temporales de velocidad radial
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2020
url https://hdl.handle.net/20.500.12110/seminario_nCOM000481_Nieto
https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000481_Nieto_oai
work_keys_str_mv AT nietoluisagustin unaredneuronalparaladetecciondeexoplanetasenseriestemporalesdevelocidadradial
AT nietoluisagustin aneuralnetworkforexoplanetdetectioninradialvelocitytimeseries
_version_ 1824952581119541248
spelling I28-R145-seminario_nCOM000481_Nieto_oai2024-12-17 Díaz, Rodrigo Fernando Segura, Enrique Carlos Nieto, Luis Agustín 2020-12-22 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 GAIA¹ y TESS², junto a otros proyectos, como el relevo VVV³ o el LSST⁴, 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. Ya en los últimos tiempos han comenzado a aparecer trabajos en el campo de planetas extrasolares que hacen uso de estas herramientas, algunos con resultados que incluso superan los obtenidos con las últimas técnicas en el campo. 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 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 con una mejora sustancial en la velocidad de ejecución de cinco órdenes de magnitud, haciéndola ideal para su aplicación en grandes volúmenes de datos. Los prometedores resultados obtenidos son la base para trabajos futuros cuyo objetivo final es la aplicación sobre señales reales, y esperamos que sirvan como base para reforzar la importancia de los trabajos interdisciplinarios dentro de las ciencias de la computación. The study of extrasolar planets is a relatively new field of research. Just over 25 years ago, the discovery of the first exoplanet around a solar-type star was confirmed and, thanks to technical and instrumental improvements, the number of known exoplanets has been increasing rapidly, with most of them being detected using the radial velocity and transit methods. Missions such as GAIA⁵ and TESS⁶, along with other projects, such as the VVV survey⁷ or the LSST⁸, are contributing an ever greater amount of astronomical information, and the community is looking towards data science and different artificial intelligence techniques as an important support in the face of this avalanche of information. In recent times, some works began to emerge in the field of extrasolar planets that use these techniques, some with results that even exceed those obtained with the latest techniques in the field. The radial velocity method seeks to detect the presence of a planet through characterizations of the movements of its central star. The different noises caused by the intrinsic variability of the star, added to the instrumental error and temporal variability in data collection, can make data difficult to interpret and even lead to false detections. In this work, a neural network is proposed that replaces a crucial calculation of this method, synthetic stellar signals from solar-type stars are generated and the applications of both implementations are compared. The network achieves 28 % fewer false positives in planet detection and has a substantial improvement in execution speed of five orders of magnitude, making it ideal for application in large volumes of data. The promising results obtained are the basis for future work whose final objective is the application on real signals, and we hope that they will serve as a basis to reinforce the importance of interdisciplinary work within the field of computer science. Fil: Nieto, Luis Agustín. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf https://hdl.handle.net/20.500.12110/seminario_nCOM000481_Nieto spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar ASTRONOMIA VELOCIDAD RADIAL EXOPLANETAS ANALISIS DE SEÑALES REDES NEURONALES APRENDIZAJE PROFUNDO ASTRONOMY RADIAL VELOCITY EXOPLANETS SIGNAL ANALYSIS NEURAL NETWORKS DEEP LEARNING Una red neuronal para la detección de exoplanetas en series temporales de velocidad radial A neural network for exoplanet detection in radial velocity time series info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/publishedVersion https://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000481_Nieto_oai

Ejemplares similares