Enanas marrones: caracterizando el puente entre estrellas y planetas

• Autores: Callen, Ailen Rocío
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Bustos Fierro, Iván Heriberto; Gómez, Mercedes Nieves
• Materia: Astronomía óptica, ultravioleta e infrarroja; Enanas marrones; Fotometría; Aprendizaje automático; Optical, UV, and IR astronomy; Brown dwarfs; Photometry
• Institución: Universidad Nacional de Córdoba

Tesis (Lic. en Astronomía)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2025.
Fil: Callen, Ailen Rocío. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Las enanas marrones son objetos compactos que no alcanzan la temperatura necesaria para sostener la fusión de hidrógeno, por lo que su interior está dominado por gas degenerado de electrones. Se ubican en el rango de masa entre 13 y 80Mjup situándose entre planetas y estrellas. En este contexto, este trabajo caracteriza la población de enanas marrones en la vecindad solar y las compara con planetas y estrellas, encontrando diferencias significativas que las posicionan como una clase astronómica propia. Además, se analiza la relación entre los índices de color y el tipo espectral y se proponen dos algoritmos de machine learning para estimar el tipo espectral a partir de datos fotométricos. Con estos métodos, se logró clasificar 21 enanas marrones sin clasificación previa en la literatura.
Brown dwarfs are compact objects that do not reach the temperature required to sustain hydrogen fusion, resulting in interiors dominated by degenerate electron gas. They have masses between 13 and 80Mjup, positioning them between planets and stars. In this context, this work characterizes the brown dwarf population in the solar neighborhood and compares them with planets and stars, revealing significant differences that establish them as a distinct astronomical class. Additionally, the relationship between color indices and spectral type is analyzed, and two machine learning algorithms are proposed to estimate spectral type using only photometric data. With these methods, 21 brown dwarfs without prior classification in the literature were successfully classified.
Fil: Callen, Ailen Rocío. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.