Filtro de correntropía para detección de supernovas

Abstract

El reciente surgimiento de telescopios astronómicos enormes abre nuevas posibilidades para estudios astrofísicos, con los correspondientes desafíos respecto al análisis masivo de datos. Tomando ventaja de estas nuevas tecnologías, el Sondeo de Transitorios de Alta Cadencia (HiTS por sus sigla en inglés) ha desarrollado una secuencia de algoritmos para detectar fenómenos astrofísicos transitorios, como supernovas, analizando objetos extraídos directamente de imágenes del telescopio en tiempo real. En esta tesis, se presenta un nuevo método complementario para detectar supernovas de luminosidad débil, de baja razón señal a ruido, que discrimina la evolución de luminosidades de pixeles filtrando la secuencia de imágenes. El método propuesto se basa en el Filtro de Correntropía (FC), que es una extensión no lineal del clásico Filtro de Kalman. El FC usa una función de costo del campo de la Teoría de Información llamada Correntropía Cruzada, que es robusta ante artefactos y outliers, que son abundantes en mediciones astronómicas. El método propuesto fue probado en los sondeos de HiTS y los resultados muestran que es capaz de redescubrir la mayoría de las supernovas en las épocas de alta cadencia. Además, se han encontrado diecisiete nuevas supernovas no detectadas anteriormente en HiTS. El análisis de secuencias de imágenes permite reducir el número de falsos positivos al costo de una detección más tardía.