Hotwav W10

Descubren más de 110.000 estrellas variables gracias a nuevo algoritmo

Los astrónomos de la Universidad Estatal de Ohio han encontrado alrededor de 116.000 nuevas estrellas variables con la ayuda de un algoritmo de aprendizaje automático. El descubrimiento es el resultado del proyecto All-Sky Automated Survey for Supernovae (ASAS-SN), que comprende una red de 20 telescopios en todo el mundo. Juntos, pueden observar el cielo por completo, con una profundidad casi 50 veces mayor que la de los ojos humanos.

Las estrellas variables son objetos que, como su nombre lo indica, tienen un brillo que varía con el tiempo, especialmente cuando se observan desde la Tierra. Estos cambios pueden revelar información importante sobre ellos, como su radio, temperatura e incluso composición. Por lo tanto, sondeos como el realizado por ASAS-SN son importantes para el descubrimiento de sistemas capaces de revelar la complejidad de los procesos estelares.

Uno de los telescopios del proyecto ASAS-SN (Imagen: Reproducción/ASAS-SN)

Collin Christy, autor principal del nuevo estudio, describe que las estrellas variables son como laboratorios estelares para los investigadores. «De hecho, son excelentes lugares en el universo para que estudiemos y aprendamos más sobre cómo funcionan las estrellas y las pequeñas complejidades que tienen», dijo en un comunicado.

Para el estudio, los autores tuvieron que revisar los datos recopilados por el proyecto pero no utilizados. Durante años, ASAS-SN ha observado el cielo con filtros de banda V, lentes que identifican solo estrellas que emiten luz en el espectro visible. Ya en 2018, el proyecto utilizó filtros de banda G, capaces de detectar más variaciones en la luz azul. Como resultado, la red pudo observar más de 100 millones de estrellas.

Luego, el equipo usó un algoritmo de aprendizaje automático para generar una lista de 1,5 millones de estrellas variables candidatas a partir de un catálogo compuesto por alrededor de 55 millones de ellas. Con eso lograron reducir el número de posibles objetos: al final, de los 1,5 millones de candidatos, casi 400 mil resultaron ser estrellas variables reales. Más de la mitad de ellos ya eran conocidos y 116.027 eran nuevos descubrimientos.

El algoritmo fue de gran ayuda para el trabajo, y el equipo de Christy señala que los científicos ciudadanos no deben quedarse fuera, tanto que ya hay voluntarios analizando los datos descartados. “Es muy útil que la gente nos diga cuáles son nuestros ‘datos basura’, porque inicialmente el algoritmo analizaría los datos erróneos y trataría de darles sentido”, dijo. Este conjunto de datos descartado inicialmente puede ayudar al equipo a modificar y mejorar el rendimiento general del algoritmo.

El artículo con los resultados del estudio fue publicado en el repositorio en línea. arXivsin revisión por pares.

Fuente: arXiv; Vía: Universidad Estatal de Ohio

Tommy Banks
Estaremos encantados de escuchar lo que piensas

Deje una respuesta

TecnoBreak | Ofertas y Reviews
Logo
Enable registration in settings - general
Shopping cart