Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares

Autores
Serrano Bell, Juan Ramón
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Díaz, Rodrigo F.
Guilera, Octavio Miguel
Descripción
SOPHIE es un espectrógrafo echelle ubicado en el Observatorio de Haute-Provence, Francia. Mediante calibración simultánea de la longitud de onda puede alcanzar precisiones de velocidad radial (RV) cercanas a 1 m/s. Sin embargo, el punto cero del instrumento presenta derivas a baja frecuencia de algunos m/s que deben ser corregidas para alcanzar la alta precisión que requieren los programas actuales de búsqueda de exoplanetas. Con este fin se monitorean regularmente estrellas estándar de velocidad radial constante, y se usan estas mediciones para corregir las velocidades observadas por la variación del punto cero. En este trabajo, nos proponemos lograr una nueva forma de realizar la corrección de punto cero de instrumentos como SOPHIE. Usamos técnicas de aprendizaje automático supervisado para predecir los cambios de punto cero a partir de numerosas variables ambientales, instrumentales, y observacionales. Una vez entrenados, los algoritmos de aprendizaje automático tienen el potencial para permitirnos realizar la corrección sin necesidad de observar estrellas estándar de RV y de obtener conocimiento sobre el instrumento que permita mejorar su estabilidad y precisión. Exploramos distintos algoritmos hasta dar con un buen modelo y luego realizamos predicciones de la deriva del punto cero para un grupo de estrellas. Finalmente comparamos la corrección obtenida por nuestro modelo con la corrección realizada con observación de estrellas estándar.
SOPHIE is an echelle spectrograph located at the Haute-Provence Observatory, France. By simultaneous wavelength calibration, it can reach radial velocity (RV) accuracies close to 1 m s−1. However, the zero point of the instrument exhibits a low frequency drift of a few m s−1 which must be corrected to achieve the high precision required by current exoplanet search programs. To this end, standard stars of constant radial velocity are regularly monitored, and these measurements are used to correct the observed velocities for zero-point variation. In this work, we aim to achieve a new way to perform zero-point correction of instruments such as SOPHIE. We use supervised machine learning techniques to predict the zero-point drift from numerous environmental, instrumental, and observational variables. Once trained, the machine learning algorithms have the potential to allow us to perform the correction without the need to observe standard VR stars and to gain knowledge about the instrument to improve its stability and accuracy. We explored different algorithms until we found a good model and then made predictions of the zero-point drift for a group of stars. Finally, we compared the correction obtained by our model with the correction obtained by observing standard stars.
Licenciado en Astronomía
Universidad Nacional de La Plata
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Ciencias Astronómicas
aprendizaje automatico
planetas extrasolares
velocidades radiales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/152013

id SEDICI_28fcd41f1e700b93957f587806fca2ff
oai_identifier_str oai:sedici.unlp.edu.ar:10915/152013
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolaresSerrano Bell, Juan RamónCiencias Astronómicasaprendizaje automaticoplanetas extrasolaresvelocidades radialesSOPHIE es un espectrógrafo echelle ubicado en el Observatorio de Haute-Provence, Francia. Mediante calibración simultánea de la longitud de onda puede alcanzar precisiones de velocidad radial (RV) cercanas a 1 m/s. Sin embargo, el punto cero del instrumento presenta derivas a baja frecuencia de algunos m/s que deben ser corregidas para alcanzar la alta precisión que requieren los programas actuales de búsqueda de exoplanetas. Con este fin se monitorean regularmente estrellas estándar de velocidad radial constante, y se usan estas mediciones para corregir las velocidades observadas por la variación del punto cero. En este trabajo, nos proponemos lograr una nueva forma de realizar la corrección de punto cero de instrumentos como SOPHIE. Usamos técnicas de aprendizaje automático supervisado para predecir los cambios de punto cero a partir de numerosas variables ambientales, instrumentales, y observacionales. Una vez entrenados, los algoritmos de aprendizaje automático tienen el potencial para permitirnos realizar la corrección sin necesidad de observar estrellas estándar de RV y de obtener conocimiento sobre el instrumento que permita mejorar su estabilidad y precisión. Exploramos distintos algoritmos hasta dar con un buen modelo y luego realizamos predicciones de la deriva del punto cero para un grupo de estrellas. Finalmente comparamos la corrección obtenida por nuestro modelo con la corrección realizada con observación de estrellas estándar.SOPHIE is an echelle spectrograph located at the Haute-Provence Observatory, France. By simultaneous wavelength calibration, it can reach radial velocity (RV) accuracies close to 1 m s−1. However, the zero point of the instrument exhibits a low frequency drift of a few m s−1 which must be corrected to achieve the high precision required by current exoplanet search programs. To this end, standard stars of constant radial velocity are regularly monitored, and these measurements are used to correct the observed velocities for zero-point variation. In this work, we aim to achieve a new way to perform zero-point correction of instruments such as SOPHIE. We use supervised machine learning techniques to predict the zero-point drift from numerous environmental, instrumental, and observational variables. Once trained, the machine learning algorithms have the potential to allow us to perform the correction without the need to observe standard VR stars and to gain knowledge about the instrument to improve its stability and accuracy. We explored different algorithms until we found a good model and then made predictions of the zero-point drift for a group of stars. Finally, we compared the correction obtained by our model with the correction obtained by observing standard stars.Licenciado en AstronomíaUniversidad Nacional de La PlataFacultad de Ciencias Astronómicas y GeofísicasDíaz, Rodrigo F.Guilera, Octavio Miguel2023-03-29info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/152013spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:12Zoai:sedici.unlp.edu.ar:10915/152013Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:12.616SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
title Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
spellingShingle Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
Serrano Bell, Juan Ramón
Ciencias Astronómicas
aprendizaje automatico
planetas extrasolares
velocidades radiales
title_short Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
title_full Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
title_fullStr Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
title_full_unstemmed Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
title_sort Algoritmos de Aprendizaje Automático para el estudio de efectos sistemáticos en las velocidades radiales obtenidas para la búsqueda de planetas extrasolares
dc.creator.none.fl_str_mv Serrano Bell, Juan Ramón
author Serrano Bell, Juan Ramón
author_facet Serrano Bell, Juan Ramón
author_role author
dc.contributor.none.fl_str_mv Díaz, Rodrigo F.
Guilera, Octavio Miguel
dc.subject.none.fl_str_mv Ciencias Astronómicas
aprendizaje automatico
planetas extrasolares
velocidades radiales
topic Ciencias Astronómicas
aprendizaje automatico
planetas extrasolares
velocidades radiales
dc.description.none.fl_txt_mv SOPHIE es un espectrógrafo echelle ubicado en el Observatorio de Haute-Provence, Francia. Mediante calibración simultánea de la longitud de onda puede alcanzar precisiones de velocidad radial (RV) cercanas a 1 m/s. Sin embargo, el punto cero del instrumento presenta derivas a baja frecuencia de algunos m/s que deben ser corregidas para alcanzar la alta precisión que requieren los programas actuales de búsqueda de exoplanetas. Con este fin se monitorean regularmente estrellas estándar de velocidad radial constante, y se usan estas mediciones para corregir las velocidades observadas por la variación del punto cero. En este trabajo, nos proponemos lograr una nueva forma de realizar la corrección de punto cero de instrumentos como SOPHIE. Usamos técnicas de aprendizaje automático supervisado para predecir los cambios de punto cero a partir de numerosas variables ambientales, instrumentales, y observacionales. Una vez entrenados, los algoritmos de aprendizaje automático tienen el potencial para permitirnos realizar la corrección sin necesidad de observar estrellas estándar de RV y de obtener conocimiento sobre el instrumento que permita mejorar su estabilidad y precisión. Exploramos distintos algoritmos hasta dar con un buen modelo y luego realizamos predicciones de la deriva del punto cero para un grupo de estrellas. Finalmente comparamos la corrección obtenida por nuestro modelo con la corrección realizada con observación de estrellas estándar.
SOPHIE is an echelle spectrograph located at the Haute-Provence Observatory, France. By simultaneous wavelength calibration, it can reach radial velocity (RV) accuracies close to 1 m s−1. However, the zero point of the instrument exhibits a low frequency drift of a few m s−1 which must be corrected to achieve the high precision required by current exoplanet search programs. To this end, standard stars of constant radial velocity are regularly monitored, and these measurements are used to correct the observed velocities for zero-point variation. In this work, we aim to achieve a new way to perform zero-point correction of instruments such as SOPHIE. We use supervised machine learning techniques to predict the zero-point drift from numerous environmental, instrumental, and observational variables. Once trained, the machine learning algorithms have the potential to allow us to perform the correction without the need to observe standard VR stars and to gain knowledge about the instrument to improve its stability and accuracy. We explored different algorithms until we found a good model and then made predictions of the zero-point drift for a group of stars. Finally, we compared the correction obtained by our model with the correction obtained by observing standard stars.
Licenciado en Astronomía
Universidad Nacional de La Plata
Facultad de Ciencias Astronómicas y Geofísicas
description SOPHIE es un espectrógrafo echelle ubicado en el Observatorio de Haute-Provence, Francia. Mediante calibración simultánea de la longitud de onda puede alcanzar precisiones de velocidad radial (RV) cercanas a 1 m/s. Sin embargo, el punto cero del instrumento presenta derivas a baja frecuencia de algunos m/s que deben ser corregidas para alcanzar la alta precisión que requieren los programas actuales de búsqueda de exoplanetas. Con este fin se monitorean regularmente estrellas estándar de velocidad radial constante, y se usan estas mediciones para corregir las velocidades observadas por la variación del punto cero. En este trabajo, nos proponemos lograr una nueva forma de realizar la corrección de punto cero de instrumentos como SOPHIE. Usamos técnicas de aprendizaje automático supervisado para predecir los cambios de punto cero a partir de numerosas variables ambientales, instrumentales, y observacionales. Una vez entrenados, los algoritmos de aprendizaje automático tienen el potencial para permitirnos realizar la corrección sin necesidad de observar estrellas estándar de RV y de obtener conocimiento sobre el instrumento que permita mejorar su estabilidad y precisión. Exploramos distintos algoritmos hasta dar con un buen modelo y luego realizamos predicciones de la deriva del punto cero para un grupo de estrellas. Finalmente comparamos la corrección obtenida por nuestro modelo con la corrección realizada con observación de estrellas estándar.
publishDate 2023
dc.date.none.fl_str_mv 2023-03-29
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/152013
url http://sedici.unlp.edu.ar/handle/10915/152013
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616266409574400
score 13.070432