Resumen:
Hace tan solo 30 años se descubrió el primer exoplaneta orbitando a una estrella de tipo solar. Al día de hoy, más de 5900 han sido detectados y su número sigue creciendo rápidamente gracias a los avances tecnológicos. El método de velocidad radial (RV, por sus siglas en inglés) ha resultado uno de los más exitosos y prometedores para la detección de planetas a partir de los movimientos que estos inducen en su estrella. Si bien las mejoras instrumentales han logrado medir variaciones de velocidades cada vez más pequeñas, el ruido por la propia actividad estelar y el muestreo irregular pueden dificultar la detección de señales planetarias y generar falsas detecciones. Debido a ello, técnicas de aprendizaje automático han comenzado a ser exploradas con el objetivo de solventar este problema. En esta tesis se construye una red neuronal convolucional con una capa de atención para detectar señales planetarias en estrellas de tipo solar, utilizando mediciones simuladas de RV generadas sobre calendarios de observación representativos de la búsqueda de exoplanetas. La red obtiene un 54 % menos de falsos positivos que el enfoque tradicional basado en la hipótesis nula, sin aumentar la cantidad de falsos negativos. Esta mejora está principalmente concentrada en señales de baja amplitud, asociadas a planetas de baja masa. Por otro lado, se analizaron los pesos de la capa de atención con el objetivo de identificar qué regiones de la entrada prioriza el modelo durante la clasificación. Se encontró una correlación entre estos pesos y la predicción de la red. Se evaluó su desempeño sobre 159 señales reales de estrellas con al menos un planeta detectado, obteniendo una correcta clasificación en la mayoría de los casos. Además, se los utilizó para realizar un ajuste fino (fine-tuning) sobre la red, mejorando su capacidad de detección sobre datos reales. Estos resultados muestran el potencial uso de redes neuronales como posible herramienta superadora para la detección de señales planetarias en mediciones de velocidad radial.
Abstract:
Only 30 years ago, the first exoplanet orbiting a Sun-like star was discovered. To date, more than 5900 have been detected, and the number continues to grow rapidly thanks to technological advances. The radial velocity (RV) method has proven to be one of the most successful and promising techniques for detecting planets through the motions they induce on their host stars. While instrumental improvements have enabled the measurement of increasingly smaller velocity variations, stellar activity and irregular sampling can make the detection of planetary signals more difficult and lead to false positives. For this reason, machine learning techniques have recently begun to be explored to address this challenge. In this thesis, we develop a convolutional neural network with an attention layer to detect planetary signals in Sun-like stars, using simulated RV measurements generated over observation calendars representative of exoplanet searches. The network achieves 54 % fewer false positives than the traditional null-hypothesis-based approach, without increasing the number of false negatives. This improvement is mainly concentrated in low amplitude signals, associated with low mass planets. In addition, the attention layer weights were analyzed to identify which regions of the input the model prioritizes during classification, revealing a correlation between these weights and the network’s predictions. The method was further evaluated on 159 real signals from stars with at least one confirmed planet and achieved correct classifications in most cases. These data were also used to perform fine-tuning on the network, enhancing its detection capability on real observations. Overall, these results highlight the potential of neural networks as a promising tool for the detection of planetary signals in radial velocity measurements.
Citación:
---------- APA ----------
Waehner, Nicolás. (2025). Aprendizaje automático para la detección de exoplanetas mediante el método de velocidad radial. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nFIS000256_Waehner
---------- CHICAGO ----------
Waehner, Nicolás. "Aprendizaje automático para la detección de exoplanetas mediante el método de velocidad radial". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2025.https://hdl.handle.net/20.500.12110/seminario_nFIS000256_Waehner
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nFIS000256_Waehner.pdf
Distrubución geográfica
