Skip navigation
  •  Inicio
  • UDC 
    • Cómo depositar
    • Políticas del RUC
    • FAQ
    • Derechos de autor
    • Más información en INFOguías UDC
  • Listar 
    • Comunidades
    • Buscar por:
    • Fecha de publicación
    • Autor
    • Título
    • Materia
  • Ayuda
    • español
    • Gallegan
    • English
  • Acceder
  •  Español 
    • Español
    • Galego
    • English
  
Ver ítem 
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
  •   RUC
  • Facultade de Informática
  • Traballos académicos (FIC)
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Exploración de técnicas de IA en entornos Big Data para la estimación de parámetros físicos estelares mediante espectros RVS de la misión espacial Gaia

Thumbnail
Ver/Abrir
DAngeloSabin_Luca_TFG_2023.pdf (17.19Mb)
Use este enlace para citar
http://hdl.handle.net/2183/34054
Atribución 3.0 España
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución 3.0 España
Colecciones
  • Traballos académicos (FIC) [715]
Metadatos
Mostrar el registro completo del ítem
Título
Exploración de técnicas de IA en entornos Big Data para la estimación de parámetros físicos estelares mediante espectros RVS de la misión espacial Gaia
Autor(es)
D’Angelo Sabin, Luca
Directores
Álvarez González, Marco Antonio
Dafonte, Carlos
Fecha
2023
Centro/Dpto/Entidad
Universidade da Coruña. Facultade de Informática
Descripción
Traballo fin de grao (UDC.FIC). Enxeñaría Informática. Curso 2022/2023
Resumen
[Resumen] El satélite Gaia de la Agencia Espacial Europea recoge mediciones de miles de millones de estrellas como parte de su misión, apodada con el mismo nombre. Entre los instrumentos utilizados en sus mediciones está el Espectrómetro de Velocidad Radial (RVS), que recaba los espectros de luz emitidos por las estrellas, y de los cuales se puede obtener información valiosa sobre la composición y parámetros físicos de la misma. Dichos espectros son complejos de interpretar, por lo que, incluso desde antes de la puesta en órbita del satélite, se analizaron diferentes alternativas con sistemas inteligentes para poder procesar y extraer esa información de millones de espectros. Recientemente, los primeros espectros RVS de Gaia se hicieron públicos en la Gaia Data Release 3 del 13 de junio del 2022, por lo que es la oportunidad perfecta para explorar técnicas de la Inteligencia Artificial sobre los datos observacionales obtenidos del satélite en búsqueda de modelos que puedan representar esos datos con máxima precisión. También se realizará un análisis exhaustivo de estos datos para detectar posibles problemas que puedan presentar debido al ruido inherente, cuyo modelo no ha sido precisado.
 
[Abstract] The European Space Agency’s Gaia satellite collects information from billions of stars as part of its mission, which shares the same name. Among the various instruments used in its measurements is the Radial Velocity Spectrometer (RVS), which gathers the light spectra emitted by stars, from which valuable information about their composition and physical parameters can be obtained. These spectra are complex to interpret, so even before the satellite had been launched, different alternatives with intelligent systems were analyzed with the goal of processing and extracting information from millions of spectra. Recently, the first RVS spectra from Gaia were made public in the Gaia Data Release 3 on June 13, 2022. This presents the perfect opportunity to explore Artificial Intelligence techniques on the observational data obtained from the satellite in search of models that can represent this data with the highest precision. An exhaustive analysis of this data will also be conducted to detect possible issues that may arise due to inherent noise, which has not been precisely modelled yet.
 
Palabras clave
Agencia Espacial Europea
Misión espacial Gaia
RVS (Espectrómetro de Velocidad Radial)
Big Data
IA
Aprendizaje máquina
Aprendizaje profundo
European Space Agency (ESA)
Gaia Space Mission
RVS (Radial Velocity Spectrometer)
Artificial intelligence
Machine learning
Deep learning
 
Derechos
Atribución 3.0 España

Listar

Todo RUCComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulaciónEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasGrupo de InvestigaciónTitulación

Mi cuenta

AccederRegistro

Estadísticas

Ver Estadísticas de uso
Sherpa
OpenArchives
OAIster
Scholar Google
UNIVERSIDADE DA CORUÑA. Servizo de Biblioteca.    DSpace Software Copyright © 2002-2013 Duraspace - Sugerencias