Clasificación y parametrización de observaciones astronómicas mediante técnicas de inteligencia artificial: en el proyecto espacial Gaia

• Autores: Diego Ordóñez Blanco
• Directores de la Tesis: Bernardino Arcay (dir. tes.) , Carlos Dafonte (dir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2010
• Idioma: español
• Tribunal Calificador de la Tesis: A. Pazos (presid.) , Minia Manteiga (secret.) , Penousal Machado (voc.) , Luis Manuel Sarro (voc.) , Francesca Figueras Siñol (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Esta Tesis tiene como objetivo el desarrollo de técnicas de computación avanzada para la extracción automatizada de información y el análisis de la señal que proporcionará la misión astronómica espacial Gaia, de la Agencia Espacial Europea (ESA). El satélite Gaia es una misión astrométrica, siendo su objetivo principal la determinación de las distancias precisas al mayor número posible de fuentes de nuestra Galaxia y de objetos extragalácticos cercanos. El objetivo principal del trabajo desarrollado en esta Tesis consiste en contribuir a la clasificación de dichas fuentes y a la determinación de los principales parámetros físicos de los objetos más abundantes en el universo conocido, las estrellas. La extracción de información se llevará a cabo mediante el uso de diferentes técnicas, por un lado sistemas subsimbólicos basados en técnicas de Inteligencia Artificial (Redes de Neuronas Artificiales) y por otro, técnicas de procesado de la señal en dominios transformados. Se proponen procedimientos automatizados para el análisis de la señal de la misión Gaia, empleando la información disponible de un modo selectivo teniendo en cuenta los diferentes niveles de ruido esperables en función del brillo de las fuentes, la resolución espectral de los diferentes modos de observación del satélite, y el uso combinado de la información que proporcionará los diversos instrumentos.

    La mayoría de las bases de datos astronómicas incluyen una cierta cantidad de objetos singulares que en Estadística se denominan outliers. Aislar y analizar estos objetos es importante para reducir el impacto de observaciones anómalas, y para descubrir nuevos tipos de objetos hasta ahora desconocidos por su baja frecuencia o por su corto tiempo de vida astronómica. En esta Tesis se propone una metodología novedosa, basada en una combinación de técnicas de Inteligencia Artificial y técnicas de procesado digital de señales, para realizar de un modo automático el análisis de estos objetos. La técnica desarrollada se ha denominado HSC (Hierarchical SOM Clustering) y contribuye significativamente tanto a determinar la clasificación correcta de un conjunto de objetos difíciles de clasificar por los algoritmos estándares, como a segmentar en diferentes conjuntos los outliers detectados en las observaciones.

    Está previsto que el satélite Gaia se ponga en órbita en el verano del año 2012, por lo que el estudio realizado en este trabajo de Tesis ha utilizado simulaciones de la información que observará Gaia, complementadas en la medida de lo posible, con observaciones obtenidas en telescopios terrestres.