Síntese de populações estelares de galáxias com técnicas de aprendizado de máquina (2024)
- Authors:
- Autor USP: CERNIC, VITOR MARTINS - IAG
- Unidade: IAG
- Sigla do Departamento: AGA
- Subjects: AGLOMERADOS DE GALÁXIAS; POPULAÇÕES ESTELARES
- Agências de fomento:
- Language: Português
- Abstract: Esse projeto tem como objetivo encontrar os parâmetros de populações estelares de galáxias (massa estelar, extinção de poeira, idades e metalicidades médias) a partir da fotometria do levantamento S-PLUS. Criamos um conjunto de treinamento a partir de uma aplicação do STARLIGHT que combinou os espectros do SDSS com a fotometria do GALEX, melhorando as sínteses espectrais. Após um pré-processamento dos dados que consistiu na adição das linhas espectrais, cálculo da fotometria, calibração com as magnitudes do S-PLUS e imputação de dados faltantes, criamos um conjunto de treinamento com 137,734 galáxias, cada uma com sua fotometria no sistema do S-PLUS e seus respectivos parâmetros de populações estelares fornecidos pelo STARLIGHT. Comparamos 5 algoritmos de regressão diferentes entre Regressão Linear, K-Nearest Neighbours, Random Forest, XGBoost e Redes Neurais. Acabamos escolhendo uma rede neural de Deep Learning para as estimativas, consistindo de uma camada de entrada com 13 neurônios (12 magnitudes do S-PLUS + 1 valor de redshift) seguido por 4 camadas ReLU com 256 neurônios cada e uma última camada final com 1 neurônio correspondente ao parâmetro de população estelar. Utilizando um método de Data Augmentation fomos capazes de gerar uma estimativa de erro para cada predição. Estimamos 6 parâmetros de populações estelares: massa estelar; absorção por poeira no visível; metalicidade média ponderada em fluxo e em massa; idade média ponderada em fluxo e em massa. Também estimamos as larguras equivalentes de 4 linhas de emissão: Halpha, Hbeta, [OIII]5007 Angstrom e [NII]6583 Angstrom. As estimativas são bem satisfatórias e condizem com métodos clássicos de SED fitting. Mostramos que o algoritmo é robusto em redshift até 0.1 mesmo para estimativas das larguras equivalentes. Realizamos uma aplicação a 182 galáxias do aglomerado de Fornax, obtendo (Continuação)(Continua) suas relações de idade e metalicidade. Por fim, recriamos o diagrama BPT através da estimativa das larguras equivalentes das linhas de emissão e vimos que a rede consegue predizer em qual região do diagrama a galáxia pertence.
- Imprenta:
- Data da defesa: 09.02.2024
-
ABNT
CERNIC, Vitor Martins. Síntese de populações estelares de galáxias com técnicas de aprendizado de máquina. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. . Acesso em: 10 mar. 2026. -
APA
Cernic, V. M. (2024). Síntese de populações estelares de galáxias com técnicas de aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. -
NLM
Cernic VM. Síntese de populações estelares de galáxias com técnicas de aprendizado de máquina. 2024 ;[citado 2026 mar. 10 ] -
Vancouver
Cernic VM. Síntese de populações estelares de galáxias com técnicas de aprendizado de máquina. 2024 ;[citado 2026 mar. 10 ]
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
