Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/132827
Títol: | Detección de tránsitos de exoplanetas mediante técnicas de deep learning |
Autoria: | Casal Argüelles, Alejandro |
Director: | Casas-Roma, Jordi |
Tutor: | Ruiz Dern, Laura |
Resum: | El present treball té com a finalitat la preparació d'algoritmes automàtics, amb tècniques de deep learning, per detectar exoplanetes a partir de les dades recollides en la missió K2 de la NASA. Aquesta missió, hereva de la missió Kepler, va recuperar, de multitud d'estrelles, dades de la seva lluminositat al llarg de el temps, en el que es denomina corbes de llum. Disminucions en la lluminositat aparent podrien indicar un trànsit planetari davant de l'estrella, a la qual ocultaria parcialment. Aquest és un dels mètodes actuals més exitosos per a la detecció d'exoplanetes. A causa de problemes en l'equipament, la missió K2 només va recollir informació de períodes d'uns 80 dies, en diferents sectors de el cel, a diferència de la missió original Kepler, que va recollir, d'un únic sector, dades de diversos anys. Així, l'anàlisi de dades de la missió K2 presenta una dificultat important al ésser més difícil registrar un mateix trànsit planetari diverses vegades. Els tractaments clàssics per a la determinació de presència d'exoplanetes, es basen en un preprocessat inicial de les corbes de llum per detectar disminucions temporals en la lluminositat, és a dir, possibles trànsits, i el seu posterior anàlisi, com a entrada a models predictius, per determinar si aquestes disminucions de la lluminositat estan associades a un exoplaneta o no. En aquest treball es planteja la utilització de la totalitat de les dades de cada corba de llum, sense l'esmentat preprocessat i extracció prèvia de possibles trànsits, en un enfoc end-to-end. Això implica una dificultat afegida però d'altra banda hauria de permetre una anàlisi més àgil de la informació que pugui estar disponible, per exemple, extrapolant els mètodes a dades de missions actualment en curs, com TESS. |
Paraules clau: | detecció d'exoplanetes aprenentatge profund missió Kepler-K2 |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 4-jun-2021 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
acasalTFM0621memoria.pdf | Memoria del TFM | 4,16 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons