Software de procesamiento automático de placas espectrográficas

• Autores: Pereyra, Nehuén; Ponte Ahón, Santiago Andrés; Aidelman, Yael Judith; Ronchetti, Franco; Quiroga, Facundo Manuel; Gamen, Roberto Claudio; Cidale, Lydia Sonia
• Año de publicación: 2023
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Astronómicas; astronomical databases: miscellaneous; virtual observatory tools
• Institución: Universidad Nacional de La Plata

La Facultad de Ciencias Astronómicas y Geofísicas, a través del proyecto de Recuperación del Trabajo Observacional Histórico (ReTrOH), se encuentra realizando un proceso de digitalización de una gran colección de placas espectroscópicas en formato de vidrio. Por otro lado, en la actualidad las Redes Neuronales son los modelos de Aprendizaje Automático con mejor desempeño capaces de resolver una gran variedad de problemas. Son modelos generales y aproximadores universales. En los últimos años, se ha conseguido entrenar Redes Neuronales con múltiples capas mediante un conjunto de técnicas que suelen denominarse Aprendizaje Profundo. En este contexto, estamos desarrollando un software de procesamiento automático de las placas espectrográficas, que detecta los espectros de ciencia individuales que en estas hubiera con Aprendizaje Profundo y permite, además, cargar sus respectivos metadatos.
The Faculty of Astronomical and Geophysical Sciences, through the Recovery of Historical Observational Work (ReTrOH, by its acronym in Spanish) project, is in the process of digitizing a large collection of glass-format spectroscopic plates. On the other hand, Neural Networks are currently the best performing Machine Learning models capable of solving a wide variety of problems. They are general models and universal approximators. In recent years, multi-layered Neural Networks have been successfully trained using a set of techniques often referred to as Deep Learning. In this context, we are developing a software for automatic processing of spectrographic plates, which detects the individual science spectra on these plates using Deep Learning and allows, in addition, to load their respective metadata.
Asociación Argentina de Astronomía
Instituto de Investigación en Informática
Facultad de Ciencias Astronómicas y Geofísicas