Searching for extragalactic variable stars using machine learning algorithms
| Autor: | Acevedo Barroso, Javier Alejandro |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | Séneca: repositorio Uniandes Universidad de los Andes instacron:Universidad de los Andes |
| Popis: | With the advent of the digital era, production of astronomy data has grown exponentially. However, traditional methods of searching for variable stars become ineffective when dealing with these amounts of data. Therefore, it is necessary to explore new techniques to automatise the search and have a trustworthy classification of variable stars. The objective of this work is to find variable stars in the galaxy NGC 55 using public wide field images taken for the Araucaria Project. The 29 images were taken between 2003 and 2006 using the 2.2m MPG/ESO Telescope at La Silla observatory in Chile. It is worth noting that the images are not used in any publication on NGC 55, making this work an independent study of the galaxy. We developed a pipeline using IRAF and Astropy in order to process the images and to correct their World Coordinate System. Additionally, a final stack was made for 23 of the nights... El siglo XXI trajo consigo un aumento exponencial en la producción de datos astronómicos. Pero, los métodos tradicionales de búsqueda de estrellas variables se vuelven ineficientes ante ese aumento de datos. Por lo cuál, es necesaria la exploración de técnicas alternativas para automatizar la búsqueda de estrellas variables y tener una clasificación fiable y sistemática de ellas. El objetivo de este proyecto es encontrar estrellas variables en la galaxia NGC 55 usando treinta imágenes de campo amplio tomadas para el Proyecto Araucaria con el telescopio de 2.2m MPG/ESO en el observatorio de La Silla, Chile, entre 2003 y 2006. Si bien, las imágenes fueron tomadas como parte del Proyecto Araucaria, estas no fueron incluidas en los resultados publicados para NGC 55. Por lo tanto, este trabajo es un estudio de variabilidad original. Se hizo un pipeline usando IRAF y Astropy para reducir las imágenes. De 29 noches, se logró obtener un stack para 23 de ellas... Magíster en Física Maestría |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|