Projeto Detecção de Anomalia em Estrelas utilizando Algoritmos de Aprendizado de Máquina Não Supervisionado
Instituto Federal Fluminense Aluno: Pedro Henrique Rocha de Andrade Disciplina: Metodologia Científica e Tecnológica Professor: MSc. Alcides Ricardo Gomes de Oliveira
Sim, é meu trabalho de conclusão de curso, orientado pela professora Ana Cecília Soja.
Objetivos Gerais
- Caracterizar a amostra das estrelas dentro de 100pc quanto às propriedades físicas;
- Identificar detecções espúrias e essenciais para garantir a qualidade da observação;
- Detectar anomalias estelares, como variáveis cataclísmicas, sistemas estelares atípicos ou objetos de natureza desconhecida.
Objetivos Específicos
- Aquisição e Cruzamento de Dados (Integração Astrométrica e Espectroscópica) dos Catálogos GCNS e GALAH DR4;
- Perfilamento Astrofísico da Amostra (Teff, Logg, Fe/H, Disco espesso ou fino, Halo, tipo espectral);
- Obtenção e Pré-processamento dos Dados Espectroscópicos (com os dados cruzados);
- Limpeza dos dados espúrios (erros de medição; erros limites físicos);
- Redução de Dimensionalidade (t-SNE, UMAP) e Clusterização (DBSCAN, HDBSCAN) Não-Supervisionada;
- Caracterização de Subconjuntos e Detecção de Anomalias Físicas;
Justificativa
O telescópio espacial GAIA já coletou observações de quase 2 bilhões de estrelas na galáxia e em galáxias satélites próximas, esse grande volume massivo de dados coletados sugere a possibilidade de identificar anomalias de diversos tipos, de maneira a ser utilizado em grandes escalas.
Metodologia
- Coleta e processamento de dados;
- Aplicação de técnicas de aprendizado de máquina não supervisionado;
- Análise e Interpretação das anomalias;
Resultados esperados
É esperado encontrar tanto medições espúrias, quanto conjunto atípicos ou raros de estrelas, tais como variáveis cataclísmicas. Se bem sucedido, a pesquisa poderá ser expandida para dados completos do GAIA e outros catálogos de pesquisa.