Clasificación de objetos astronómicos utilizando secuencias cortas de imágenes y metadatos

Abstract

En esta tesis se aborda la clasificación de objetos astronómicos utilizando alertas generadas por el sondeo Zwicky Transient Facility (ZTF). El modelo utiliza imágenes y metadatos contenidos en cada una de las detecciones de los objetos astronómicos, como también metadatos provenientes del catálogo ALLWISE, con el cual se entrena una red neuronal del tipo recurrente convolucional. El clasificador propuesto, denominado temporal stamp classifier, es capaz de clasificar entre las clases Núcleo Galáctico Activo (AGN), SuperNova (SN) y Estrellas Variables (VS), obteniendo un accuracy de 98.4% para 2 o más detecciones. Los resultados del modelo muestran que el desempeño mejora al agregar más detecciones, como también que modelos simples de recurrencia obtienen resultados competitivos a los que obtienen modelos complejos como LSTM. Como objetivo secundario, se trabaja aplicando nuevas operaciones y características al modelo stamp classifier original para mejorar su desempeño, lo cual se basa en cambios en la arquitectura y adición de rotaciones aleatorias, con lo cual se obtiene un incremento del 1.5% de accuracy en contraste con el modelo original.