Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/132827
Título : | Detección de tránsitos de exoplanetas mediante técnicas de deep learning |
Autoría: | Casal Argüelles, Alejandro |
Director: | Casas-Roma, Jordi |
Tutor: | Ruiz Dern, Laura |
Resumen : | El presente trabajo tiene como finalidad la preparación de algoritmos automáticos, con técnicas de deep learning, para detectar exoplanetas a partir de los datos recogidos en la misión K2 de la NASA. Esta misión, heredera de la misión Kepler, recuperó, de multitud de estrellas, datos de su luminosidad a lo largo del tiempo, en lo que se denomina curvas de luz. Disminuciones en la luminosidad aparente podrían indicar un tránsito planetario frente a la estrella, a la cual ocultaría parcialmente. Este es uno de los métodos actuales más exitosos para la detección de exoplanetas. Debido a problemas en el equipamiento, la misión K2 sólo recogió información de periodos de unos 80 días, en diferentes sectores del cielo, a diferencia de la misión original Kepler, que recogió, de un único sector, datos de varios años. Así, el análisis de datos de la misión K2 presenta una dificultad importante al ser extremadamente difícil registrar un mismo tránsito planetario varias veces. Los tratamientos clásicos para la determinación de presencia de exoplanetas, se basan en un preprocesado inicial de las curvas de luz para detectar disminuciones temporales en la luminosidad, es decir, posibles tránsitos, y su posterior análisis, como entrada a modelos predictivos, para determinar si esas disminuciones de la luminosidad están asociadas a un exoplaneta o no. En este trabajo se plantea la utilización de la totalidad de los datos de cada curva de luz, sin el mencionado preprocesado y extracción previo de posibles tránsitos, en un enfoque end-to-end. Ello implica una dificultad añadida pero por otro lado debería permitir un análisis más temprano de la información que pueda estar disponible, por ejemplo, extrapolando los métodos a datos de misiones actualmente en curso, como TESS. |
Palabras clave : | detección de exoplanetas aprendizaje profundo misión Kepler-K2 |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 4-jun-2021 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
acasalTFM0621memoria.pdf | Memoria del TFM | 4,16 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons