RT info:eu-repo/semantics/bachelorThesis
T1 Desarrollo de técnicas basadas en Frameworks Deep Learning para la caracterización de galaxias distantes
A1 Fernández Iglesias, Jesús
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Deep learning
K1 Astronomía
K1 Galaxias
AB La astronomía está experimentando un rápido crecimiento actualmente en cuanto a la masividady la complejidad de los datos generados. Los telescopios sinópticos, telescopios que cartografíantodo el cielo sistemáticamente y no solo regiones específicas, como Euclid, WFIRST, J-PAS o VeraC. Rubin son una prueba de ello. Éste último, que próximamente se instalará en Chile, generará30 TB de información cada noche, y al  final de sus primeros 10 años proporcionará un archivo conunos ~500 PB de información (imágenes más otros productos derivados de ellas).Ser capaces de aprovechar de manera útil toda esa información provocará avances en la astronomía de dimensiones quizás no vistas hasta la actualidad. Para analizar tales cantidades deinformación en búsqueda de patrones ocultos puede ser de gran utilidad el aprendizaje automático,y en concreto modelos de deep learning que se encuentran en el estado del arte.En este trabajo se desarrollan técnicas y algoritmos deep learning punteros para resolver dosproblemas de gran alcance, la clasi cación morfológica de galaxias distantes y la detección debordes de galaxias.La morfología de las galaxias determina qué procesos físicos están aconteciendo en ellas, y eldesarrollo de técnicas de estimación robusta de su estructura es todo un reto. Tanto la clasi caciónmorfológica directa como la imitación del comportamiento de humanos expertos en dicha tareason tratadas.De igual manera, ser capaces de delimitar con precisión las fronteras de dichos cuerpos tienemultitud de aplicaciones en el estudio de la formación y evolución del universo distante.Los conjuntos de datos utilizados provienen del proyecto CANDELS (Cosmic Assembly Near-infrared Deep Extragalactic Legacy Survey) [1], el proyecto más grande (984 órbitas) jamás llevadoa cabo por el Telescopio Hubble y cuyo objetivo principal era documentar el primer tercio de laevolución galáctica. Se utilizan las 5 regiones de exposición disponibles en el estudio: GOODS-N,GOODS-S, UDS, EGS y COSMOS.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/50236
UL https://uvadoc.uva.es/handle/10324/50236
LA spa
DS UVaDOC
RD 24-nov-2024