Classificação inteligente de supernovas utilizando sistemas de regras nebulosas

• Ano de defesa: 2018
• Autor(a) principal: Luís Ricardo Arantes Filho
• Orientador(a): Lamartine Nogueira Frutuoso Guimarães
• Banca de defesa: Reinaldo Roberto Rosa, Alexandre Soares de Oliveira, Marcelo Módulo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: The evolutionary theory of the stars, from the early stages to supernovae, was based on the use of phenomena observation and analysis by specialists. Supernovae are the final cycle of stellar evolution and, in most cases, result from an explosion of core collapse or, in only one situation, from a thermonuclear explosion. Thermonuclear supernovae, i.e., type Ia supernovae are object of study of several areas of astrophysics and cosmology, mainly, because of its characteristic brightness that can be used in the measurement of astronomical distances. The classification of this phenomenon can be constructed by the visual analysis of an astronomer who identifies in the optical spectrum the spectral lines of elements such as Hydrogen (H), Silicon (Si) and Helium (He). In more refined classifications the abundance of other elements can be evaluated. This type of classification is not trivial and depends on both the astronomer's specialty and the data quality. One of the ways to deal with this problem was developed by Módolo (2016), using multilayer perceptron neural networks, with learning by backpropagation algorithm, for the classification of supernovae in order to simulate the human way of optical spectrum analysis resulting in the CIntIa classifier (Intelligent Type Ia supernova classifier) from the Portuguese language - Classificador Inteligente de supernovas do tipo Ia. In this sense, this work presents a method for analysis and classification of supernovae, in particular, Type Ia supernovae, which explores the Fuzzy Logic paradigm of artificial intelligence and the processing of spectral signals. The Fuzzy Logic, in this case, is used to simulate the way the astronomer classifies thermonuclear supernovae, providing an automatic classification and identifying the peculiarities involved in the phenomenon, as well as its temporal evolution. The model developed is called Fuzzy System Appraiser of Supernovae SUZAN, from the Portuguese Language Sistema fUZzy Avaliador de superNovas. SUZAN and CIntIa are systems designed to work together to ensure the classification and accurate identification of Type Ia supernovae. The need for two or more classifiers comes from the application of these systems in a situation that requires the operation in an automatic and isolated manner , where there is no specialist to manipulate the systems and validate the classification, in this case, the systems provide a redundancy in the supernovae identification. As a result, the performance of the model for the classification of 3697 spectra of 588 different supernovae was demonstrated, reaching a precision and accuracy index of 96.4% for the classification of type Ia supernovae.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21c/2018/03.28.12.42

A teoria evolucionária das estrelas, dos estágios iniciais ao de supernovas, foi fundamentada com o uso da observação dos fenômenos e da análise por especialistas. As supernovas são o ciclo final da evolução estelar e, na maioria dos casos, resultam de uma explosão de colapso de núcleo ou, em apenas uma situação, de uma explosão termonuclear. Supernovas termonucleares, ou seja, supernovas de tipo Ia são objetos de estudo de diversas áreas da astrofísica e cosmologia, principalmente, por causa de seu brilho característico que pode ser utilizado na medição de distâncias astronômicas. A classificação deste fenômeno pode ser construída pela análise visual de um astrônomo que identifica no espectro óptico as linhas espectrais de elementos como o Hidrogênio (H), o Silício (Si) e o Hélio (He). Em classificações mais refinadas podem ser avaliadas a abundância de outros elementos. Este tipo de classificação não é trivial e depende tanto da especialidade do astrônomo como da qualidade dos dados. Uma das formas de tratar este problema foi desenvolvida por Módolo (2016), utilizando redes neurais do tipo perceptron de múltiplas camadas, com aprendizado por retropropagação do erro, para a classificação de supernovas de forma a simular a maneira humana de análise do espectro óptico resultando no classificador CIntIa(Classificador Inteligente de supernovas do Tipo Ia). Este classificador apresentou índices relevantes de acertos na identificação de supernovas de Tipo Ia. Neste sentido, este trabalho apresenta um método para a análise e classificação de supernovas, em específico, supernovas de Tipo Ia, que explora o paradigma de lógica nebulosa da inteligência artificial e o processamento dos sinais espectrais. A lógica nebulosa, neste caso, é usada para simular a forma como o astrônomo classifica supernovas termonucleares, proporcionando uma classificação automática e identificando as peculiaridades envolvidas no fenômeno, bem como sua evolução temporal. O modelo desenvolvido neste trabalho é denominado SUZAN, sigla para Sistema fUZzy Avaliador de superNovas. SUZAN e CIntIa são sistemas projetados para o trabalho em conjunto para garantir a classificação e a identificação acurada de supernovas de Tipo Ia. A necessidade de dois ou mais classificadores vem, da aplicação destes sistemas em uma situação que requer a operação de maneira automática e isolada, onde não existe um especialista para manipular os sistemas e validar a classificação, neste caso, os sistemas providenciam uma redundância na identificação de supernovas. Como resultado é demonstrado o desempenho do modelo para a classificação de 3697 espectros de 588 supernovas diferentes, atingindo um índice de precisão e acurácia de 96,4% para a classificação das supernovas de tipo Ia.