Aprendizado de máquina para detecção de exoplanetas em dados da missão TESS
Tipo
Dissertação
Data de publicação
2021-08-16
Periódico
Citações (Scopus)
Autores
Andrade, Israel da Silva Rodrigues de
Orientador
Silva, Luciano
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Andrade, Israel da Silva Rodrigues de
Silva Júnior, Alexandre Ribeiro
Silva Júnior, Alexandre Ribeiro
Programa
Ciências e Aplicações Geoespaciais
Resumo
A detecção de exoplanetas com base em curvas de luz pode ser um procedimento de alto custo computacional, especialmente quando tais curvas possuem alto nível de resolução temporal, como aquelas produzidas pela Missão TESS. O pré-processamento de curvas de luz baseado em Aprendizado de Máquina já foi utilizado com sucesso na Missão Ke pler, pela parceria entre a NASA e a Google (com o modelo tensorial do TensorFlow), permitindo excluir curvas de luz que não poderiam ter trânsitos planetários e reduzindo a quantidade de dados a serem processados posteriormente. Neste contexto, esta dissertação apresenta aplicação de outras técnicas de Aprendizado de Máquina como Árvores de Decisão, Florestas Aleatórias e Boost para reduzir o número de curvas de luz obtidas da Missão TESS que, efetivamente, podem reconhecer se há trânsitos planetários. Também são mostrados e comentados os resultados de exploração destas técnicas em curvas de luz da Missão TESS.
Descrição
Palavras-chave
CCD , exoplanetas , aprendizado de máquina , classificador binário , árvore da decisão , reconhecimento de padrões , inteligência artificial