Classificação automática de supernovas usando redes neurais artificiais

• Autor(a) principal: Marcelo Módolo
• Data de Publicação: 2016
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21b/2016/04.20.20.44

A classificação de supernovas pode ser feita por especialistas humanos a partir da análise visual do seu espectro, mas não é trivial. Apenas alguns astrônomos especialistas são capazes de fazê-lo e com a subjetividade inerente à percepção humana. Os classificadores automáticos existentes não fazem a modelagem usando a forma humana de analisar o espectro para classificar supernovas. Eles somente comparam a similaridade do espectro da supernova recém-descoberta com os espectros de supernovas que já foram classificadas. Este trabalho propõe um método de classificação automática de supernovas baseado em Inteligência Computacional que simula a maneira humana de análise do espectro, mas fazendo uma classificação mais formal e menos propensa a subjetividade da análise humana. O paradigma básico é a forma como os seres humanos fazem a análise, mas o classificador automático utiliza redes neurais artificiais para analisar o espectro e identificar a presença ou ausência de elementos que determinam o tipo supernova. Quatro Redes Neurais Perceptron de Múltiplas Camadas foram construídas. Uma rede neural para identificar cada tipo ${''}$clássico${''}$ de supernova: Ia, Ib, Ic e II. O classificador foi testado em uma base com 649 espectros de 221 supernovas e os resultados foram muito bons, alcançando 99,2\% de acerto na identificação de supernovas do tipo Ia. Isso indica que a classificação realizada por este método pode ser utilizada em situações onde não existe um especialista ou onde seja necessária uma análise automática, sistemática e contínua. A ferramenta desenvolvida neste trabalho foi denominada CIntIa, sigla para Classificador Inteligente de supernovas do tipo Ia.