Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/107807
Título : Distant galaxies analysis with deep neural networks
Autoría: Cacho Martínez, Raúl
Director: Bosch Rue, Anna
Tutor: Solé-Ribalta, Albert  
Resumen : En este trabajo vamos a afrontar un problema habitual en astrofísica. Uno de los primeros parámetros a medir en el espectro de una galaxia es el redshift. El desplazamiento al rojo de una galaxia puede dar mucha información acerca de la estructura a gran escala del universo. Sin embargo, el tiempo de telescopio es limitado, y llevaría mucho tiempo observar todo el cielo obteniendo el espectro de las galaxias. Por ello están proliferando los catálogos de observaciones basados en fotometría de banda estrecha (por ejemplo, ALHAMBRA o JPAS). Estos catálogos permiten observar un gran número de galaxias en mucho menos tiempo que usando espectroscopía, permitiendo a los astrónomos desentrañar la estructura del Universo a gran escala y pudiendo medir las características de las galaxias más lejanas. Tradicionalmente, las características de las galaxias se ha obtenido usando una técnica conocida como SED-fitting o ajuste espectral. Esta técnica consiste en ajustar un espectro a las observaciones fotométricas, permitiendo obtener las características de la galaxia. Este problema no es sencillo, no solo por la gran cantidad de variables involucradas, sino también por las degeneraciones existentes. Una degeneración ocurre cuando dos poblaciones estelares simples (SSP) tienen espectros prácticamente indistinguibles a pesar de que sus parámetros son completamente diferentes. Es ampliamente conocida, por ejemplo, las degeneraciones existentes entre la edad y la metalicidad, por la que una galaxia vieja y rica en metales 2 tiene un espectro muy parecido al de una galaxia joven pobre en metales. En este trabajo evaluaremos la capacidad de Redes Neuronales Profundas, usando como entrada las observaciones de una galaxia, obtener los parámetros fundamentales de dicha galaxia (desplazamiento al rojo, masa, y tipo de galaxia).
Palabras clave : galaxias
aprendizaje profundo
red neuronal profunda
poblaciones estelares
descomposición estelar
problema de inversión
Tipo de documento: info:eu-repo/semantics/masterThesis
Fecha de publicación : 8-ene-2020
Licencia de publicación: http://creativecommons.org/licenses/by-nc-sa/3.0/es/  
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
raulrcmTFM0120presentation.pdfPresentation of TFM6,01 MBAdobe PDFVista previa
Visualizar/Abrir
raulrcmTFM0120memory.pdfMemory of TFM1,18 MBAdobe PDFVista previa
Visualizar/Abrir