{"id":129675,"date":"2021-04-14T19:49:16","date_gmt":"2021-04-15T00:49:16","guid":{"rendered":"https:\/\/insurgentepress.com.mx\/?p=129675"},"modified":"2021-04-14T19:49:16","modified_gmt":"2021-04-15T00:49:16","slug":"elaboran-investigadores-con-algoritmo-catalogo-de-27-millones-de-galaxias","status":"publish","type":"post","link":"https:\/\/insurgentepress.mx\/index.php\/2021\/04\/14\/elaboran-investigadores-con-algoritmo-catalogo-de-27-millones-de-galaxias\/","title":{"rendered":"Elaboran investigadores con algoritmo cat\u00e1logo de 27 millones de galaxias"},"content":{"rendered":"<p>Agencias\/Ciudad de M\u00e9xico.- Usando datos del Dark Energy Survey (DES), investigadores de la Universidad del Estado de Pensilvania han producido el cat\u00e1logo m\u00e1s grande de clasificaciones de morfolog\u00eda de galaxias hasta la fecha.<\/p>\n<p>En total, 27 millones de morfolog\u00edas de galaxias han siodo cuantificadas y catalogadas con la ayuda del aprendizaje autom\u00e1tico<\/p>\n<p>El estudio fue publicado en <a href=\"https:\/\/academic.oup.com\/mnras\/advance-article-abstract\/doi\/10.1093\/mnras\/stab594\/6156625?redirectedFrom=fulltext\" target=\"_blank\" rel=\"noopener noreferrer\">Monthly Notices of the Royal Astronomical Society<\/a>.<\/p>\n<p>Dark Energy Survey (DES) es un programa de investigaci\u00f3n internacional cuyo objetivo es obtener im\u00e1genes de una octava parte del cielo para comprender mejor el papel de la energ\u00eda oscura en la expansi\u00f3n acelerada del universo.<\/p>\n<p>Un subproducto de este estudio es que los datos del DES contienen muchas m\u00e1s im\u00e1genes de galaxias distantes que otros estudios hasta la fecha. \u00abLas im\u00e1genes de DES nos muestran c\u00f3mo eran las galaxias hace m\u00e1s de 6 mil millones de a\u00f1os\u00bb, dice <strong><u><a title=\"Enlace\" href=\"https:\/\/penntoday.upenn.edu\/news\/27-million-galaxy-morphologies-quantified-and-cataloged-help-machine-learning\" target=\"_blank\" rel=\"noopener noreferrer\">en un comunicado<\/a><\/u><\/strong> la coautora Mariangela Bernardi, profesora en el Departemento de F\u00edsica y Astronom\u00eda.<\/p>\n<blockquote class=\"twitter-tweet\" data-width=\"550\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">Using data from the <a href=\"https:\/\/twitter.com\/theDESurvey?ref_src=twsrc%5Etfw\">@theDESurvey<\/a>, researchers from the Department of Physics &amp; Astronomy in <a href=\"https:\/\/twitter.com\/PennSAS?ref_src=twsrc%5Etfw\">@PennSAS<\/a> produced the largest catalog of galaxy morphology classifications to date. <a href=\"https:\/\/t.co\/w8jhLhcqeY\">https:\/\/t.co\/w8jhLhcqeY<\/a><\/p>\n<p>&mdash; Penn (@Penn) <a href=\"https:\/\/twitter.com\/Penn\/status\/1381611820469878789?ref_src=twsrc%5Etfw\">April 12, 2021<\/a><\/p><\/blockquote>\n<p><script async src=\"https:\/\/platform.twitter.com\/widgets.js\" charset=\"utf-8\"><\/script><\/p>\n<p>Y debido a que DES tiene millones de im\u00e1genes de alta calidad de objetos astron\u00f3micos, es el conjunto de datos perfecto para estudiar la morfolog\u00eda de las galaxias. \u00abLa morfolog\u00eda de las galaxias es uno de los aspectos clave de la evoluci\u00f3n de las galaxias.<\/p>\n<p>La forma y estructura de las galaxias tiene mucha informaci\u00f3n sobre la forma en que se formaron, y conocer sus morfolog\u00edas nos da pistas sobre las posibles v\u00edas de formaci\u00f3n de las galaxias\u00bb, dice la coautora Helena Dom\u00ednguez S\u00e1nchez, investigadora postdoctoral.<\/p>\n<p>Anteriormente, los investigadores hab\u00edan publicado un cat\u00e1logo morfol\u00f3gico para m\u00e1s de 600,000 galaxias del Sloan Digital Sky Survey (SDSS). Para hacer esto, desarrollaron una red neuronal convolucional, un tipo de algoritmo de aprendizaje autom\u00e1tico, que pod\u00eda categorizar autom\u00e1ticamente si una galaxia pertenec\u00eda a uno de dos grupos principales: galaxias espirales, que tienen un disco giratorio donde nacen nuevas estrellas, y galaxias el\u00edpticas, que son m\u00e1s grandes y est\u00e1n formadas por estrellas m\u00e1s viejas que se mueven de manera m\u00e1s aleatoria que sus contrapartes espirales.<\/p>\n<p>Pero el cat\u00e1logo desarrollado utilizando el conjunto de datos SDSS estaba compuesto principalmente de galaxias cercanas brillantes, dice Vega-Ferrero. En su \u00faltimo estudio, los investigadores quer\u00edan refinar su modelo de red neuronal para poder clasificar galaxias m\u00e1s d\u00e9biles y distantes. \u00abQuer\u00edamos empujar los l\u00edmites de la clasificaci\u00f3n morfol\u00f3gica y tratar de ir m\u00e1s all\u00e1, a objetos m\u00e1s d\u00e9biles u objetos que est\u00e1n m\u00e1s lejos\u00bb, dice el coautor Jes\u00fas Vega-Ferrero, investigador postdoctoral.<\/p>\n<p>Para hacer esto, los investigadores primero tuvieron que entrenar su modelo de red neuronal para poder clasificar las im\u00e1genes m\u00e1s pixeladas del conjunto de datos DES. Primero crearon un modelo de entrenamiento con clasificaciones morfol\u00f3gicas previamente conocidas, compuesto por un conjunto de 20,000 galaxias que se superpon\u00edan entre DES y SDSS. Luego, crearon versiones simuladas de nuevas galaxias, imitando c\u00f3mo se ver\u00edan las im\u00e1genes si estuvieran m\u00e1s lejos utilizando un c\u00f3digo desarrollado por el cient\u00edfico Mike Jarvis.<\/p>\n<p>Una vez que el modelo fue entrenado y validado tanto en galaxias simuladas como reales, se aplic\u00f3 al conjunto de datos DES, y el cat\u00e1logo resultante de 27 millones de galaxias incluye informaci\u00f3n sobre la probabilidad de que una galaxia individual sea el\u00edptica o espiral. Los investigadores tambi\u00e9n encontraron que su red neuronal ten\u00eda una precisi\u00f3n del 97% para clasificar la morfolog\u00eda de las galaxias, incluso para las galaxias que eran demasiado d\u00e9biles para clasificarlas a simple vista.<\/p>\n<p>\u00abEmpujamos los l\u00edmites en tres \u00f3rdenes de magnitud, a objetos que son 1,000 veces m\u00e1s d\u00e9biles que los originales\u00bb, dice Vega-Ferrero. \u00abEs por eso que pudimos incluir muchas m\u00e1s galaxias en el cat\u00e1logo\u00bb.<\/p>\n<p>\u00abCat\u00e1logos como este son importantes para estudiar la formaci\u00f3n de galaxias\u00bb, dice Bernardi sobre la importancia de esta \u00faltima publicaci\u00f3n. \u00abEste cat\u00e1logo tambi\u00e9n ser\u00e1 \u00fatil para ver si la morfolog\u00eda y las poblaciones estelares cuentan historias similares sobre c\u00f3mo se formaron las galaxias\u00bb.<\/p>\n<blockquote class=\"twitter-tweet\" data-width=\"550\" data-dnt=\"true\">\n<p lang=\"en\" dir=\"ltr\">\ud83d\uddde\ufe0f\u203c\ufe0fLargest catalogue of galaxy morphological classification to date.<\/p>\n<p>ICE researcher Helena Dom\u00ednguez S\u00e1nchez is the second author of this study published in <a href=\"https:\/\/twitter.com\/RAS_Journals?ref_src=twsrc%5Etfw\">@RAS_Journals<\/a> <\/p>\n<p>Research has been lead by <a href=\"https:\/\/twitter.com\/IFCA_CSIC_UC?ref_src=twsrc%5Etfw\">@IFCA_CSIC_UC<\/a> and <a href=\"https:\/\/twitter.com\/Penn?ref_src=twsrc%5Etfw\">@Penn<\/a><\/p>\n<p>\ud83d\udd0d<a href=\"https:\/\/t.co\/JN5seoZnkj\">https:\/\/t.co\/JN5seoZnkj<\/a><br \/>\u2795<a href=\"https:\/\/t.co\/meeewOc7IW\">https:\/\/t.co\/meeewOc7IW<\/a> <a href=\"https:\/\/t.co\/ST5oiCZh81\">pic.twitter.com\/ST5oiCZh81<\/a><\/p>\n<p>&mdash; Institute of Space Sciences (ICE-CSIC) (@ice_csic) <a href=\"https:\/\/twitter.com\/ice_csic\/status\/1373953185530982405?ref_src=twsrc%5Etfw\">March 22, 2021<\/a><\/p><\/blockquote>\n<p><script async src=\"https:\/\/platform.twitter.com\/widgets.js\" charset=\"utf-8\"><\/script><\/p>\n","protected":false},"excerpt":{"rendered":"<p>La investigaci\u00f3n del Departamento de F\u00edsica y Astronom\u00eda de Penn ha producido el cat\u00e1logo m\u00e1s grande de clasificaci\u00f3n morfol\u00f3gica de galaxias hasta la fecha. Dirigido por los ex postdoctorados Jes\u00fas Vega-Ferrero y Helena Dom\u00ednguez S\u00e1nchez, quien trabaj\u00f3 con la profesora Mariangela Bernardi, este cat\u00e1logo de 27 millones de morfolog\u00edas de galaxias proporciona informaci\u00f3n clave sobre la evoluci\u00f3n del universo. El estudio fue publicado en Monthly Notices of the Royal Astronomical Society.<\/p>\n","protected":false},"author":1,"featured_media":121625,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[32,31],"tags":[],"class_list":["post-129675","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-portada","category-ciencia-tecnologia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts\/129675","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/comments?post=129675"}],"version-history":[{"count":0,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/posts\/129675\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/media\/121625"}],"wp:attachment":[{"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/media?parent=129675"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/categories?post=129675"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/insurgentepress.mx\/index.php\/wp-json\/wp\/v2\/tags?post=129675"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}