Uso de redes neurais para busca de transientes de rádio com o telescópio BINGO.

• Ano de defesa: 2024
• Autor(a) principal: OLIVEIRA, Ana Rafaely Medeiros de.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Ciências e Tecnologia - CCT; PÓS-GRADUAÇÃO EM FÍSICA; UFCG
• Palavras-chave em Português: Fast Radio Burst; Neural networks; Walterfall; Radio telescope; BINGO; Explosão Rápida de Rádio; Redes neurais; Radiotelescópio; Telescópio BINGO; Astrofísica; Física
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/40392

Em 2007, um pulso de rádio muito brilhante foi identificado nos dados de arquivo do Telescópio Parkes na Austrália, marcando o início de um novo ramo de pesquisa em astrofísica. Nos primeiros anos, os Fast Radio Bursts ou Rajadas Rápidas de Radio (FRBs) pareciam muito misteriosos porque a amostra de eventos era limitada e não se sabe suas origens. Com o aperfeiçoamento dos instrumentos e técnicas de análise de dados nos últimos cinco anos, centenas de novos FRBs foram descobertos. O campo agora está passando por uma revolução e a compreensão do FRB tem aumentado rapidamente à medida que novos eventos tem sido descobertos. No entanto, a medida que novos dados são recebidos a uma alta taxa de candidatos, deve-se avaliar se são FRB ou transientes, originados de outras fontes. Neste trabalho, utilizamos técnicas de Deep Learning (em português, aprendizagem profunda) para treinar redes neurais profundas para classificação de candidatos FRB e Transientes. As redes neurais convolucionais abordadas, trabalham com dados de frequência e tempo gerando um espectrogramas também conhecido como Waterfall. Treinamos essas redes usando FRBs simulados, e analisamos a sua saída. Apresentamos alguns modelos de aprendizado profundo com uma precisão e recuperação de 90% em nosso conjunto de dados de teste composto por dados simulados e pulsos reais ou candidatos a FRB. Atualmente, o uso de algoritmos de aprendizado de máquina para classificação de candidatos é uma necessidade. Esses algoritmos também desempenharão um papel fundamental na construção de gatilhos em tempo real para detecção nos instrumentos do projeto BINGO.