Automatic light curve processing for exoplanet identification using machine learning algorithms

Detalhes bibliográficos
Autor(a) principal: Dourado Macedo, Bruno Henrique
Data de Publicação: 2024
Outros Autores: Zalewski, Willian
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Brasileira de Iniciação Científica
Texto Completo: https://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403
Resumo: approaches based on machine learning techniques have been proposed in the literature to assist in the detection of exoplanets through automated processing of light curves. Despite advancements, traditional machine learning algorithms have not yet been fully studied for this task. Therefore, in this work, we proposed the definition of a baseline through an extensive experimental evaluation involving 16 algorithms with different parameter settings. To achieve this goal, in this study, data from the Kepler telescope was used, totaling 5302 light curves, each with 60000 records. As the main result of the experimental evaluation, the LightGBM algorithm showed the best performance, with an accuracy rate of 82.92%.
id IFSP-2_430b90c928d3f3b3b127a16996e80299
oai_identifier_str oai:ojs2.periodicosnovo.itp.ifsp.edu.br:article/1403
network_acronym_str IFSP-2
network_name_str Revista Brasileira de Iniciação Científica
repository_id_str
spelling Automatic light curve processing for exoplanet identification using machine learning algorithmsProcesamiento automático de curvas de luz para la identificación de exoplanetas por meio de algoritmos de aprendizaje automáticoProcessamento automático de curvas de luz para a identificação de exoplanetas por meio de uso de algoritmos de aprendizado de máquinaastronomia. exoplanetas. aprendizado de máquina. curvas de luz.Ciência da Computaçãoastronomía. exoplaneta. aprendizaje automático. curva de luz.Ciencia de la computaciónastronomy. exoplanet. machine learning. light curve.Computer Scienceapproaches based on machine learning techniques have been proposed in the literature to assist in the detection of exoplanets through automated processing of light curves. Despite advancements, traditional machine learning algorithms have not yet been fully studied for this task. Therefore, in this work, we proposed the definition of a baseline through an extensive experimental evaluation involving 16 algorithms with different parameter settings. To achieve this goal, in this study, data from the Kepler telescope was used, totaling 5302 light curves, each with 60000 records. As the main result of the experimental evaluation, the LightGBM algorithm showed the best performance, with an accuracy rate of 82.92%.se han propuesto en la literatura enfoques basados en técnicas de aprendizaje automático para ayudar en la detección de exoplanetas mediante el procesamiento automatizado de curvas de luz. A pesar de los avances, los algoritmos de aprendizaje automático considerados tradicionales aún no han sido completamente estudiados para esta tarea. Por lo tanto, en este trabajo, propusimos la definición de un punto de referencia a través de una amplia evaluación experimental que involucra 16 algoritmos con diferentes ajustes de parámetros. En este estudio, se utilizaron datos provenientes del telescopio Kepler, sumando un total de 5302 curvas de luz, con 60000 registros cada. Como resultado principal de la evaluación experimental, el algoritmo LightGBM mostró el mejor rendimiento, con una precisión del 82,92%.abordagens baseadas em técnicas de aprendizado de máquina têm sido propostas na literatura para auxiliar a detecção de exoplanetas por meio do processamento automatizado de curvas de luz. Apesar dos avanços, algoritmos de aprendizado de máquina considerados tradicionais ainda não foram completamente estudados para essa tarefa. Portanto, neste trabalho, define-se um baseline por meio de uma ampla avaliação experimental a respeito de 16 algoritmos em diferentes ajustes de parâmetros. Para atingir esse objetivo, utilizaram-se dados provenientes do telescópio Kepler, totalizando 5302 curvas de luz; cada uma com 60000 registros. Como principal resultado da avaliação experimental, o algoritmo LightGBM apresentou o melhor desempenho, com taxa de 82,92%, em termos de acurácia.Revista Brasileira de Iniciação Científica2024-04-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionartigo avaliado pelos paresapplication/pdfhttps://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403Revista Brasileira de Iniciação Científica; Volume 11, 2024 – publicação Contínua; e0240212359-232Xreponame:Revista Brasileira de Iniciação Científicainstname:Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)instacron:IFSPporhttps://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403/605Copyright (c) 2024 Revista Brasileira de Iniciação Científicahttps://creativecommons.org/licenses/by-nc-sa/4.0info:eu-repo/semantics/openAccessDourado Macedo, Bruno HenriqueZalewski, Willian2024-04-05T15:05:08Zoai:ojs2.periodicosnovo.itp.ifsp.edu.br:article/1403Revistahttps://periodicos.itp.ifsp.edu.br/index.php/IC/PUBhttps://periodicos.itp.ifsp.edu.br/index.php/IC/oaishigunov.ifsp.edu@gmail.com||revista.hipotese@gmail.com2359-232X2359-232Xopendoar:2024-04-05T15:05:08Revista Brasileira de Iniciação Científica - Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)false
dc.title.none.fl_str_mv Automatic light curve processing for exoplanet identification using machine learning algorithms
Procesamiento automático de curvas de luz para la identificación de exoplanetas por meio de algoritmos de aprendizaje automático
Processamento automático de curvas de luz para a identificação de exoplanetas por meio de uso de algoritmos de aprendizado de máquina
title Automatic light curve processing for exoplanet identification using machine learning algorithms
spellingShingle Automatic light curve processing for exoplanet identification using machine learning algorithms
Dourado Macedo, Bruno Henrique
astronomia. exoplanetas. aprendizado de máquina. curvas de luz.
Ciência da Computação
astronomía. exoplaneta. aprendizaje automático. curva de luz.
Ciencia de la computación
astronomy. exoplanet. machine learning. light curve.
Computer Science
title_short Automatic light curve processing for exoplanet identification using machine learning algorithms
title_full Automatic light curve processing for exoplanet identification using machine learning algorithms
title_fullStr Automatic light curve processing for exoplanet identification using machine learning algorithms
title_full_unstemmed Automatic light curve processing for exoplanet identification using machine learning algorithms
title_sort Automatic light curve processing for exoplanet identification using machine learning algorithms
author Dourado Macedo, Bruno Henrique
author_facet Dourado Macedo, Bruno Henrique
Zalewski, Willian
author_role author
author2 Zalewski, Willian
author2_role author
dc.contributor.author.fl_str_mv Dourado Macedo, Bruno Henrique
Zalewski, Willian
dc.subject.por.fl_str_mv astronomia. exoplanetas. aprendizado de máquina. curvas de luz.
Ciência da Computação
astronomía. exoplaneta. aprendizaje automático. curva de luz.
Ciencia de la computación
astronomy. exoplanet. machine learning. light curve.
Computer Science
topic astronomia. exoplanetas. aprendizado de máquina. curvas de luz.
Ciência da Computação
astronomía. exoplaneta. aprendizaje automático. curva de luz.
Ciencia de la computación
astronomy. exoplanet. machine learning. light curve.
Computer Science
description approaches based on machine learning techniques have been proposed in the literature to assist in the detection of exoplanets through automated processing of light curves. Despite advancements, traditional machine learning algorithms have not yet been fully studied for this task. Therefore, in this work, we proposed the definition of a baseline through an extensive experimental evaluation involving 16 algorithms with different parameter settings. To achieve this goal, in this study, data from the Kepler telescope was used, totaling 5302 light curves, each with 60000 records. As the main result of the experimental evaluation, the LightGBM algorithm showed the best performance, with an accuracy rate of 82.92%.
publishDate 2024
dc.date.none.fl_str_mv 2024-04-05
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
artigo avaliado pelos pares
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403
url https://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicoscientificos.itp.ifsp.edu.br/index.php/rbic/article/view/1403/605
dc.rights.driver.fl_str_mv Copyright (c) 2024 Revista Brasileira de Iniciação Científica
https://creativecommons.org/licenses/by-nc-sa/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2024 Revista Brasileira de Iniciação Científica
https://creativecommons.org/licenses/by-nc-sa/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Revista Brasileira de Iniciação Científica
publisher.none.fl_str_mv Revista Brasileira de Iniciação Científica
dc.source.none.fl_str_mv Revista Brasileira de Iniciação Científica; Volume 11, 2024 – publicação Contínua; e024021
2359-232X
reponame:Revista Brasileira de Iniciação Científica
instname:Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)
instacron:IFSP
instname_str Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)
instacron_str IFSP
institution IFSP
reponame_str Revista Brasileira de Iniciação Científica
collection Revista Brasileira de Iniciação Científica
repository.name.fl_str_mv Revista Brasileira de Iniciação Científica - Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP)
repository.mail.fl_str_mv shigunov.ifsp.edu@gmail.com||revista.hipotese@gmail.com
_version_ 1798951679144493056

Registros relacionados