| dc.description.abstract | Debido al rápido avance de la tecnología, la instrumentación astronómica se ha visto
afectada por la construcción de telescopios y radiotelescopios capaces de generar masivas
cantidades de información. Esto provoca que los actuales métodos de detección de objetos
astronómicos no puedan ser utilizados por su gran costo computacional y alto porcentaje
de error. En particular, los métodos relacionados con la detección de supernovas generan
un número importante de falsos positivos y negativos, lo que fuerza a la intervención del
astrónomo en el proceso. Es por lo anterior, que la demanda de nuevas técnicas capaces de
automatizar el proceso de detección son cada vez más necesarias y solicitadas.
En el trabajo de título de Pablo Huentelemu y en el de Paloma Pérez se trabajó en un
programa capaz de generar alertas de supernovas a través del uso de Filtros de Kalman en
tres versiones: clásico, de máxima correntropía y unscented, utilizando como base de datos las
series de imágenes obtenidas de las campañas de HiTS 2014A y 2015A. En esta memoria se
busca continuar estos trabajos con el objetivo de mejorar los resultados en cuanto a cantidad
de supernovas detectadas entre las confirmadas por HiTS, así como cuántos aciertos sostiene
y qué tan temprano son detectadas. Además se estudia la posibilidad de simplificar el modelo
original.
Para aumentar la cantidad de detecciones se relajaron condiciones utilizadas por la rutina
anterior, lo cual permitió detectar más supernovas en comparación al modelo anterior, a un
costo de aumentar la cantidad de falsos positivos. Estos últimos fueron filtrados a través de
nuevas técnicas como la entropía de curvas de los candidatos y el ajuste paramétrico del
Filtro de Kalman de máxima correntropía. Además, el relajamiento aumentó la cantidad
de veces que las supernovas eran detectadas y permitió emitir alertas de detección incluso
más temprano que HiTS. Estas ventajas se mantuvieron a pesar de la implementación de las
técnicas de filtrado ya mencionadas. Finalmente, para simplificar el programa se realizó una
poda de las condiciones, es decir, se eliminaron las que no alteraban los resultados finales
significativamente, logrando eliminar un 43.5 % de éstas. | |
