Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV

Autores
Daza, I.; Gramajo, L. V.; Lares, M.; Ferreira Lopes, C. E.; Clariá, J. J.; Palma, T.; Minniti, D.
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Con el advenimiento de grandes relevamientos sin precedentes realizados en el cielo, la ciencia moderna está siendo testigo del amanecer de la Astronomía de las grandes bases de datos, en la cual el manejo y el descubrimiento automático resultan esenciales e indispensables. En este contexto, las tareas de clasificación se encuentran entre las capacidades más requeridas que debe poseer una tubería de reducción de datos para compilar conjuntos de datos confiables, de manera que su procesamiento pueda lograrse con una eficiencia imposible de alcanzar mediante un tratamiento detallado y la intervención humana. El relevamiento VVV (VISTA variables in the Vía Láctea), en la parte meridional del disco Galáctico, incluye datos fotométricos de varias épocas necesarios para el posible descubrimiento de estrellas variables, incluidos los sistemas binarios eclipsantes (SBE). En este estudio, utilizamos un catálogo recientemente publicado de un centenar de SBE de la región d040 del VVV, clasificados de acuerdo a modelos teóricos como sistemas de contacto, separados o semi-separados. Describimos el método implementado para obtener dos modelos de aprendizaje automático, capaces de clasificar los SBE usando información extraída de las curvas de luz de los candidatos a objetos variables en el espacio de fase. Discutimos también la eficiencia de los modelos, la importancia relativa de sus características y las perspectivas futuras para la construcción de una extensa base de datos de SBE en el relevamiento VVV.
With the advent of unprecedentedly large surveys of the sky, modern science is witnessing the dawn of big data astronomy where automatic handling and discovery are essential and indispensable. In this context, classification tasks are among the most required skills a data reduction pipeline must possess to compile reliable datasets, so as to accomplish data processing with an efficiency impossible to achieve by means of detailed processing and human intervention. The VISTA Variables of the Vía Láctea (VVV) Survey, in the southern part of the Galactic disc, comprises multi-epoch photometric data necessary for the potential discovery of variable objects, including eclipsing binary systems (EBSs). In this study, we use a recently published catalogue of one hundred EBSs, classified by fine-tuning theoretical models according to contact, detached or semi-detached classes, belonging to the tile d040 of the VVV. We describe the method implemented to obtain two supervised machine learning models, capable of classifying EBSs using information extracted from the light curves of variable object candidates in the phase space. We also discuss the efficiency of the models, the relative importance of the features and future prospects to construct an extensive database of EBSs in the VVV survey.
Asociación Argentina de Astronomía
Materia
Ciencias Astronómicas
binaries: eclipsing
surveys
catalogue
methods: statistical
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:10915/167214

id SEDICI_c7280870b53897592db82706016a60a5
oai_identifier_str oai:sedici.unlp.edu.ar:10915/167214
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVVDaza, I.Gramajo, L. V.Lares, M.Ferreira Lopes, C. E.Clariá, J. J.Palma, T.Minniti, D.Ciencias Astronómicasbinaries: eclipsingsurveyscataloguemethods: statisticalCon el advenimiento de grandes relevamientos sin precedentes realizados en el cielo, la ciencia moderna está siendo testigo del amanecer de la Astronomía de las grandes bases de datos, en la cual el manejo y el descubrimiento automático resultan esenciales e indispensables. En este contexto, las tareas de clasificación se encuentran entre las capacidades más requeridas que debe poseer una tubería de reducción de datos para compilar conjuntos de datos confiables, de manera que su procesamiento pueda lograrse con una eficiencia imposible de alcanzar mediante un tratamiento detallado y la intervención humana. El relevamiento VVV (VISTA variables in the Vía Láctea), en la parte meridional del disco Galáctico, incluye datos fotométricos de varias épocas necesarios para el posible descubrimiento de estrellas variables, incluidos los sistemas binarios eclipsantes (SBE). En este estudio, utilizamos un catálogo recientemente publicado de un centenar de SBE de la región d040 del VVV, clasificados de acuerdo a modelos teóricos como sistemas de contacto, separados o semi-separados. Describimos el método implementado para obtener dos modelos de aprendizaje automático, capaces de clasificar los SBE usando información extraída de las curvas de luz de los candidatos a objetos variables en el espacio de fase. Discutimos también la eficiencia de los modelos, la importancia relativa de sus características y las perspectivas futuras para la construcción de una extensa base de datos de SBE en el relevamiento VVV.With the advent of unprecedentedly large surveys of the sky, modern science is witnessing the dawn of big data astronomy where automatic handling and discovery are essential and indispensable. In this context, classification tasks are among the most required skills a data reduction pipeline must possess to compile reliable datasets, so as to accomplish data processing with an efficiency impossible to achieve by means of detailed processing and human intervention. The VISTA Variables of the Vía Láctea (VVV) Survey, in the southern part of the Galactic disc, comprises multi-epoch photometric data necessary for the potential discovery of variable objects, including eclipsing binary systems (EBSs). In this study, we use a recently published catalogue of one hundred EBSs, classified by fine-tuning theoretical models according to contact, detached or semi-detached classes, belonging to the tile d040 of the VVV. We describe the method implemented to obtain two supervised machine learning models, capable of classifying EBSs using information extracted from the light curves of variable object candidates in the phase space. We also discuss the efficiency of the models, the relative importance of the features and future prospects to construct an extensive database of EBSs in the VVV survey.Asociación Argentina de Astronomía2021info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf98-100http://sedici.unlp.edu.ar/handle/10915/167214spainfo:eu-repo/semantics/altIdentifier/issn/1669-9521info: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:UNLP2025-09-29T11:44:31Zoai:sedici.unlp.edu.ar:10915/167214Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:44:31.756SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
title Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
spellingShingle Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
Daza, I.
Ciencias Astronómicas
binaries: eclipsing
surveys
catalogue
methods: statistical
title_short Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
title_full Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
title_fullStr Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
title_full_unstemmed Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
title_sort Clasificación automatizada de sistemas binarios eclipsantes detectados en el relevamiento VVV
dc.creator.none.fl_str_mv Daza, I.
Gramajo, L. V.
Lares, M.
Ferreira Lopes, C. E.
Clariá, J. J.
Palma, T.
Minniti, D.
author Daza, I.
author_facet Daza, I.
Gramajo, L. V.
Lares, M.
Ferreira Lopes, C. E.
Clariá, J. J.
Palma, T.
Minniti, D.
author_role author
author2 Gramajo, L. V.
Lares, M.
Ferreira Lopes, C. E.
Clariá, J. J.
Palma, T.
Minniti, D.
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Astronómicas
binaries: eclipsing
surveys
catalogue
methods: statistical
topic Ciencias Astronómicas
binaries: eclipsing
surveys
catalogue
methods: statistical
dc.description.none.fl_txt_mv Con el advenimiento de grandes relevamientos sin precedentes realizados en el cielo, la ciencia moderna está siendo testigo del amanecer de la Astronomía de las grandes bases de datos, en la cual el manejo y el descubrimiento automático resultan esenciales e indispensables. En este contexto, las tareas de clasificación se encuentran entre las capacidades más requeridas que debe poseer una tubería de reducción de datos para compilar conjuntos de datos confiables, de manera que su procesamiento pueda lograrse con una eficiencia imposible de alcanzar mediante un tratamiento detallado y la intervención humana. El relevamiento VVV (VISTA variables in the Vía Láctea), en la parte meridional del disco Galáctico, incluye datos fotométricos de varias épocas necesarios para el posible descubrimiento de estrellas variables, incluidos los sistemas binarios eclipsantes (SBE). En este estudio, utilizamos un catálogo recientemente publicado de un centenar de SBE de la región d040 del VVV, clasificados de acuerdo a modelos teóricos como sistemas de contacto, separados o semi-separados. Describimos el método implementado para obtener dos modelos de aprendizaje automático, capaces de clasificar los SBE usando información extraída de las curvas de luz de los candidatos a objetos variables en el espacio de fase. Discutimos también la eficiencia de los modelos, la importancia relativa de sus características y las perspectivas futuras para la construcción de una extensa base de datos de SBE en el relevamiento VVV.
With the advent of unprecedentedly large surveys of the sky, modern science is witnessing the dawn of big data astronomy where automatic handling and discovery are essential and indispensable. In this context, classification tasks are among the most required skills a data reduction pipeline must possess to compile reliable datasets, so as to accomplish data processing with an efficiency impossible to achieve by means of detailed processing and human intervention. The VISTA Variables of the Vía Láctea (VVV) Survey, in the southern part of the Galactic disc, comprises multi-epoch photometric data necessary for the potential discovery of variable objects, including eclipsing binary systems (EBSs). In this study, we use a recently published catalogue of one hundred EBSs, classified by fine-tuning theoretical models according to contact, detached or semi-detached classes, belonging to the tile d040 of the VVV. We describe the method implemented to obtain two supervised machine learning models, capable of classifying EBSs using information extracted from the light curves of variable object candidates in the phase space. We also discuss the efficiency of the models, the relative importance of the features and future prospects to construct an extensive database of EBSs in the VVV survey.
Asociación Argentina de Astronomía
description Con el advenimiento de grandes relevamientos sin precedentes realizados en el cielo, la ciencia moderna está siendo testigo del amanecer de la Astronomía de las grandes bases de datos, en la cual el manejo y el descubrimiento automático resultan esenciales e indispensables. En este contexto, las tareas de clasificación se encuentran entre las capacidades más requeridas que debe poseer una tubería de reducción de datos para compilar conjuntos de datos confiables, de manera que su procesamiento pueda lograrse con una eficiencia imposible de alcanzar mediante un tratamiento detallado y la intervención humana. El relevamiento VVV (VISTA variables in the Vía Láctea), en la parte meridional del disco Galáctico, incluye datos fotométricos de varias épocas necesarios para el posible descubrimiento de estrellas variables, incluidos los sistemas binarios eclipsantes (SBE). En este estudio, utilizamos un catálogo recientemente publicado de un centenar de SBE de la región d040 del VVV, clasificados de acuerdo a modelos teóricos como sistemas de contacto, separados o semi-separados. Describimos el método implementado para obtener dos modelos de aprendizaje automático, capaces de clasificar los SBE usando información extraída de las curvas de luz de los candidatos a objetos variables en el espacio de fase. Discutimos también la eficiencia de los modelos, la importancia relativa de sus características y las perspectivas futuras para la construcción de una extensa base de datos de SBE en el relevamiento VVV.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/167214
url http://sedici.unlp.edu.ar/handle/10915/167214
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1669-9521
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
98-100
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_ 1844616312460935168
score 13.070432