Identificando galaxias con métodos de aprendizaje automático

Dictado por María V. Alonso, Vanesa Daza Perilla y Mario Agustín Sgró

Hace varios años venimos participando del relevamiento VVV (Vista Variables in the Vía Láctea) realizado en el infrarrojo cercano.   Las observaciones en esta región del espectro electromagnético permiten la
detección de galaxias que no habían sido vistas antes debido a que están oscurecidas por el polvo y el gas presentes en el disco de nuestra Galaxia. El VVV NIRGC es el primer catálogo de galaxias realizado con datos del VVV, en un proceso de detección y separación, a través de criterios morfológicos y fotométricos, de estrellas de la Galaxia y posibles fuentes extragalácticas.  Un minucioso proceso de inspección visual de más de 80000 de estas fuentes candidatas permitió la clasificación final de 5545 galaxias que conforman el catálogo.
El relevamiento VVV se extendió ampliando el área de cobertura y resultando altamente costoso, en términos de tiempo, emplear el proceso de inspección visual para descartar las falsas detecciones.  Por tal motivo, estamos implementado técnicas de aprendizaje automático haciendo uso tanto de imágenes como de características fotométricas y morfológicas, con el fin de clasificar las fuentes de manera más eficiente.

Streaming

Dra. María Victoria Alonso
Profesora Asociada del Observatorio Astronómico de Córdoba (UNC) e Investigadora Independiente de la Carrera del Investigador Científico del CONICET con lugar de trabajo en el Instituto  de  Astronomía Teórica y Experimental (IATE, UNC - CONICET). Como astrónoma observacional mi principal interés son las galaxias, ya sea a través de las poblaciones estelares que las constituyen así como también la distribución de las mismas.

Lic. Vanessa Daza Perilla
Estudiante de doctorado de Astronomía en la UNC y becaria doctoral del CONICET en el IATE (UNC - CONICET). El tema de tesis es el análisis automático de grandes volúmenes de datos astronómicos con mensajeros múltiples. Para su desarrollo, estamos construyendo una pipeline que procesa imágenes astronómicas del proyecto TOROS y herramientas aplicadas a las imágenes para la detección de Kilonovas, detección de galaxias, medidas de distancia y estudios de fuentes variables.

Dr. Mario Agustín Sgró
Profesor Asistente del Observatorio Astronómico de Córdoba e Investigador Asistente en el IATE (UNC - CONICET).  Interesado en el estudio de la estructura en gran escala del universo, y más recientemente entusiasta de la aplicación de técnicas de aprendizaje automático para el análisis de grandes volúmenes de datos como lo son los relevamientos astronómicos. Paralelamente desde hace 3 años participo como tutor guía en la Diplomatura en Ciencia de Datos dictada en la FaMAF.