Eliminación de enrojecimiento de objetos celestes en datos fotométricos obtenidos por el telescopio espacial Gaia

Abstract

[Resumen]: Actualmente, la misión Gaia está a punto de hacer pública su cuarta publicación de datos, la Gaia Data Release 4 (GDR4). La anterior, la GDR3, está disponible desde 2022, y fue la primera en publicar la fotometría de los espectros. En esta se incluyen los espectros BP/RP (Blue and Red Photometer) con los que el grupo LIA2 lleva años trabajando y que serán utilizados en el presente proyecto. Estos espectros pueden dar información acerca de diferentes parámetros astrofísicos o su clasificación espectral. Sin embargo, en el medio interestelar existe polvo que puede afectar a las mediciones tomadas por el satélite Gaia, produciendo así un efecto conocido como enrojecimiento. Proponemos el uso de técnicas basadas en Inteligencia Artificial para la eliminación de enrojecimiento en espectros BP/RP del catálogo de Gaia. En particular, se utilizará un denoising autoencoder, herramienta extensamente usada en proyectos de eliminación de ruido, y también GANDALF, una red más moderna que se basa en el disentagled learning, la cual nos permitirá eliminar características de los espectros como es en este caso el enrojecimiento. Para la validación de los métodos propuestos dispondremos de métricas estadísticas, un algoritmo de agrupamiento no supervisado llamado t-SNE, y un visualizador interactivo. Este último será desarrollado específicamente para este proyecto, buscando dar agilidad en las reuniones del mismo.

[Abstract]: Currently, the Gaia mission is about to publish its fourth data release, GDR4. The previous release, the GDR3, available since 2022, was the first to publish the photometry of the spectra. It includes the BP/RP (Blue and Red Photometer) spectra that the LIA2 group has been working with for years and which will be used in this project. These spectra can give information about different astrophysical parameters or their spectral classification. However, dust in the interstellar medium can affect the measurements taken by the Gaia satellite, producing an effect known as reddening. We propose the use of Artificial Intelligence-based techniques to remove reddening in BP/RP spectra from the Gaia catalogue. In particular, we will use a denoising autoencoder, a tool widely used in noise-reduction projects, and also GANDALF, a more modern network based on disentangled learning, which will allow us to remove features such as reddening from the spectra. For the validation of the proposed methods we will have metrics, an unsupervised clustering algorithm called t-SNE, and an interactive visualiser. The latter will be developed specifically for this project, seeking to provide agility in the project meetings.