Detalhes bibliográficos
Ano de defesa: |
2019 |
Autor(a) principal: |
Francisca Joamila Brito do Nascimento |
Orientador(a): |
Lamartine Nogueira Frutuoso Guimarães |
Banca de defesa: |
Reinaldo Roberto Rosa,
Paula Rodrigues Teixeira Coelho,
Marcelo Módolo |
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
|
Departamento: |
Não Informado pela instituição
|
País: |
BR
|
Resumo em Inglês: |
A supernova corresponds to the final phase of the life of some stars, the peak of this phase is marked by an explosion of intense brightness. The supernova event receives a lot of attention from researchers in Astronomy and Cosmology, mainly type Ia supernovae. The classification of supernovae divides them into two main types, those of type I do not present Hydrogen in the spectrum while those of type II present. In addition to the division into these two types, there is still a subdivision that establishes types Ia, Ib and Ic. In practice, the classification of supernovae requires specializing knowledge of astronomers and data (light spectra) of good quality. What is observed in the spectra to make the classification are the emission lines (peaks) and absorption (valleys) of some chemical elements, such as Hydrogen, Silicon, Sulfur and Helium. Some intelligent classifiers have been developed and are reported in the literature, one of them is CIntIa (Classificador Inteligente de Supernovas do tipo Ia, in Portuguese), proposed by (MóDOLO, 2016). CIntIa uses binary artificial neural networks to classify supernovas in the types Ia, Ib, Ic and II with special attention to the type Ia. This work aims to improve CIntIa system so that it will have been less restricted, their generalization will have been expanded and classification wont have produced ambiguous answers. In order to achieve this goal, we performed several steps, such as changing the wavelength variation of the accepted spectra, changing the filtering strategy and implementing a hierarchical architecture of binary neural networks. The results of the classification of the type Ia and II supernova spectra are excellent. However, the classification of spectra of types Ib and Ic does not present good results, which confirms theoretical studies that affirm that the spectra of SNs Ib and Ic do not present well-established patterns. The significant increase in the amount of data (the number of spectra was increased by more than 1300%, from 649 to 9156) was a fundamental factor to make the analysis of the results safer. Another important result was the inclusion of spectra before and after the maximum brightness in the training (the classification in the maximum brightness phase is the standard procedure for all classifiers researched). The new intelligent and automatic system, originated from CIntIa, is called CINTIA 2 and was implemented in programming languages C ++ and Python, and can be used in conjunction with telescopes and various spectroscopes. |
Link de acesso: |
http://urlib.net/sid.inpe.br/mtc-m21c/2019/04.04.01.38
|
Resumo: |
Uma supernova corresponde à fase final da vida de algumas estrelas, o auge dessa fase é marcado por uma explosão de intenso brilho. O evento da supernova recebe bastante atenção dos estudiosos em Astronomia e Cosmologia, principalmente as supernovas do tipo Ia. A classificação das supernovas as divide em dois tipos principais, as do tipo I não apresentam Hidrogênio no espectro enquanto as do tipo II apresentam. Além da divisão nesses dois tipos, há ainda uma subdivisão que estabelece os tipos Ia, Ib e Ic. Na prática, a classificação das supernovas exige conhecimento especializado de astrônomos e dados (espectros de luz) de boa qualidade. O que se observa nos espectros para fazer a classificação são as linhas de emissão (picos) e absorção (vales) de alguns elementos químicos, como Hidrogênio, Silício, Enxofre e Hélio. Alguns classificadores inteligentes foram desenvolvidos e são reportados na literatura, um deles é a CIntIa (Classificador Inteligente de supernovas do tipo Ia), proposta por (MóDOLO, 2016). A CIntIa usa redes neurais artificiais binárias para classificar as supernovas nos tipos Ia, Ib, Ic e II com atenção especial para as do tipo Ia. Este trabalho, tem por objetivo aperfeiçoar o sistema CIntIa a fim de que ele seja menos restrito, a sua capacidade de generalização seja expandida e a classificação não produza respostas ambíguas. Para alcançar esse objetivo realizamos algumas etapas, como mudança na variação do comprimento de onda dos espectros aceitos, mudança na estratégia de filtragem e implementação de uma arquitetura hierárquica de redes neurais binárias. Os resultados da classificação dos espectros de supernovas do tipo Ia e II são excelentes. No entanto a classificação de espectros dos tipos Ib e Ic não apresenta bons resultados, o que confirma estudos teóricos que afirmam que os espectros de SNs Ib e Ic não apresentam padrões bem estabelecidos. O aumento expressivo da quantidade de dados (a quantidade de espectros foi incrementada em mais de 1300%, de 649 para 9156) é um fator fundamental para que a análise dos resultados seja mais segura. Outro resultado importante alcançado foi a inclusão de espectros antes e depois do brilho máximo nos treinamentos (a classificação na fase de brilho máximo é o procedimento padrão para todos os classificadores pesquisados). O novo sistema automático e inteligente, originado da CIntIa, chamase CINTIA 2 e foi implementado nas linguagens de programação C++ e Python, podendo ser utilizado em conjunto com telescópios e espectroscópios diversos. |