Identificación de candidatas a estrellas Be utilizando redes neuronales

Autores
Aidelman, Yael Judith; Escudero, Carlos Gabriel; Ronchetti, Franco; Quiroga, F.; Granada, Anahi; Lanzarini, L.
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Hα en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotom´etricos (VPHAS+, 2MASS y AllWISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redesneuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be.
Astronomical databases currently provide large volumes of spectroscopic and photometric information. In particular, as photometric data is relatively easier to obtain due to the shorter use time of the telescope, there is an increasing need to use those data in order to automatically identify specific objects and study them in detail afterwards. In this work, we focus on the photometric identification of Be stars, early-type stars with Hα line in emission. These kind of objects are very interest for understanding the evolution of fast rotating stars, and also for the study of the physics of circumstellar disks. For their identification, we use photometric (VPHAS+, 2MASS, AlWISE) and spectroscopic (LAMOST) databases, together with machine learning techniques, such as neural networks. Our results show that using the reddening-free Q indices as features provides a significant improvement in the photometric identification of Be stars.
Fil: Aidelman, Yael Judith. Universidad Nacional de la Plata. Facultad de Cs.astronómicas y Geofísicas. Departamento de Espectrocopia Estelar; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; Argentina
Fil: Escudero, Carlos Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; Argentina
Fil: Ronchetti, Franco. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
Fil: Quiroga, F.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
Fil: Granada, Anahi. Universidad Nacional de Río Negro; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Lanzarini, L.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
62° Reunión Anual de la Asociación Argentina de Astronomía
Rosario
Argentina
Asociación Argentina de Astronomía
Materia
methods: data analysis
stars: emission-line, Be
surveys
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/210727
Acceder
id CONICETDig_1a851df512aba099d69992654c782dcf
oai_identifier_str oai:ri.conicet.gov.ar:11336/210727
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Identificación de candidatas a estrellas Be utilizando redes neuronalesAidelman, Yael JudithEscudero, Carlos GabrielRonchetti, FrancoQuiroga, F.Granada, AnahiLanzarini, L.methods: data analysisstars: emission-line, Besurveyshttps://purl.org/becyt/ford/1.3https://purl.org/becyt/ford/1Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Hα en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotom´etricos (VPHAS+, 2MASS y AllWISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redesneuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be.Astronomical databases currently provide large volumes of spectroscopic and photometric information. In particular, as photometric data is relatively easier to obtain due to the shorter use time of the telescope, there is an increasing need to use those data in order to automatically identify specific objects and study them in detail afterwards. In this work, we focus on the photometric identification of Be stars, early-type stars with Hα line in emission. These kind of objects are very interest for understanding the evolution of fast rotating stars, and also for the study of the physics of circumstellar disks. For their identification, we use photometric (VPHAS+, 2MASS, AlWISE) and spectroscopic (LAMOST) databases, together with machine learning techniques, such as neural networks. Our results show that using the reddening-free Q indices as features provides a significant improvement in the photometric identification of Be stars.Fil: Aidelman, Yael Judith. Universidad Nacional de la Plata. Facultad de Cs.astronómicas y Geofísicas. Departamento de Espectrocopia Estelar; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; ArgentinaFil: Escudero, Carlos Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; ArgentinaFil: Ronchetti, Franco. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; ArgentinaFil: Quiroga, F.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; ArgentinaFil: Granada, Anahi. Universidad Nacional de Río Negro; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Lanzarini, L.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina62° Reunión Anual de la Asociación Argentina de AstronomíaRosarioArgentinaAsociación Argentina de AstronomíaAsociación Argentina de Astronomía2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectReuniónJournalhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/210727Identificación de candidatas a estrellas Be utilizando redes neuronales; 62° Reunión Anual de la Asociación Argentina de Astronomía; Rosario; Argentina; 2020; 1-30571-3285CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.astronomiaargentina.org.ar/b62/2021BAAA...62...62A.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:58:12Zoai:ri.conicet.gov.ar:11336/210727instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:58:12.463CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Identificación de candidatas a estrellas Be utilizando redes neuronales
title Identificación de candidatas a estrellas Be utilizando redes neuronales
spellingShingle Identificación de candidatas a estrellas Be utilizando redes neuronales
Aidelman, Yael Judith
methods: data analysis
stars: emission-line, Be
surveys
title_short Identificación de candidatas a estrellas Be utilizando redes neuronales
title_full Identificación de candidatas a estrellas Be utilizando redes neuronales
title_fullStr Identificación de candidatas a estrellas Be utilizando redes neuronales
title_full_unstemmed Identificación de candidatas a estrellas Be utilizando redes neuronales
title_sort Identificación de candidatas a estrellas Be utilizando redes neuronales
dc.creator.none.fl_str_mv Aidelman, Yael Judith
Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, F.
Granada, Anahi
Lanzarini, L.
author Aidelman, Yael Judith
author_facet Aidelman, Yael Judith
Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, F.
Granada, Anahi
Lanzarini, L.
author_role author
author2 Escudero, Carlos Gabriel
Ronchetti, Franco
Quiroga, F.
Granada, Anahi
Lanzarini, L.
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv methods: data analysis
stars: emission-line, Be
surveys
topic methods: data analysis
stars: emission-line, Be
surveys
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.3
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Hα en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotom´etricos (VPHAS+, 2MASS y AllWISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redesneuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be.
Astronomical databases currently provide large volumes of spectroscopic and photometric information. In particular, as photometric data is relatively easier to obtain due to the shorter use time of the telescope, there is an increasing need to use those data in order to automatically identify specific objects and study them in detail afterwards. In this work, we focus on the photometric identification of Be stars, early-type stars with Hα line in emission. These kind of objects are very interest for understanding the evolution of fast rotating stars, and also for the study of the physics of circumstellar disks. For their identification, we use photometric (VPHAS+, 2MASS, AlWISE) and spectroscopic (LAMOST) databases, together with machine learning techniques, such as neural networks. Our results show that using the reddening-free Q indices as features provides a significant improvement in the photometric identification of Be stars.
Fil: Aidelman, Yael Judith. Universidad Nacional de la Plata. Facultad de Cs.astronómicas y Geofísicas. Departamento de Espectrocopia Estelar; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; Argentina
Fil: Escudero, Carlos Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Astrofísica La Plata. Universidad Nacional de La Plata. Facultad de Ciencias Astronómicas y Geofísicas. Instituto de Astrofísica La Plata; Argentina
Fil: Ronchetti, Franco. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
Fil: Quiroga, F.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
Fil: Granada, Anahi. Universidad Nacional de Río Negro; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Lanzarini, L.. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina
62° Reunión Anual de la Asociación Argentina de Astronomía
Rosario
Argentina
Asociación Argentina de Astronomía
description Las bases de datos astronómicas proporcionan actualmente grandes volúmenes de información espectroscópica y fotométrica. En particular, los datos fotométricos resultan relativamente más fáciles de obtener debido al menor tiempo de uso del telescopio, con lo cual existe una creciente necesidad de utilizarlos para identificar automáticamente objetos específicos y luego estudiarlos en detalle. En este trabajo, nos centramos en la identificación fotométrica de estrellas Be, objetos tempranos que presentan la línea Hα en emisión. Este tipo de objeto es de interés para el entendimiento de la evolución de estrellas en alta rotación, y también para el estudio de la física de discos circunestelares. Para su identificación, utilizamos datos fotom´etricos (VPHAS+, 2MASS y AllWISE) y espectroscópicos (LAMOST), junto con técnicas de aprendizaje automático, como las redesneuronales. Nuestros resultados muestran que utilizar los índices Q libres de enrojecimiento como descriptores, proporcionan una mejora significativa en la identificación fotométrica de estrellas Be.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Reunión
Journal
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/210727
Identificación de candidatas a estrellas Be utilizando redes neuronales; 62° Reunión Anual de la Asociación Argentina de Astronomía; Rosario; Argentina; 2020; 1-3
0571-3285
CONICET Digital
CONICET
url http://hdl.handle.net/11336/210727
identifier_str_mv Identificación de candidatas a estrellas Be utilizando redes neuronales; 62° Reunión Anual de la Asociación Argentina de Astronomía; Rosario; Argentina; 2020; 1-3
0571-3285
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.astronomiaargentina.org.ar/b62/2021BAAA...62...62A.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Asociación Argentina de Astronomía
publisher.none.fl_str_mv Asociación Argentina de Astronomía
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613735827636224
score 13.069144

Publicaciones similares