Herramientas computacionales para el análisis de datos astronómicos desde el sur de Chile
Trasfondo
Las ciencias astronómicas están viviendo hoy en día una revolución. Los modernos telescopios que se instalarán en el norte de Chile (e.g. VRO) capturarán todo el cielo nocturno a una velocidad y profundidad sin precedentes. El torrente de datos generado trae un sinnúmero de oportunidades para hacer ciencia pero así también desafíos importantes en términos de la escalabilidad y robustez.
Oportunidad
Se requieren herramientas computacionales eficientes que puedan procesar automáticamente los datos astronómicos, idealmente en la medida que estos son generados. El objetivo principal es detectar de forma automática aquellos eventos u objetos de mayor relevancia para el astrónomo sin que este tenga que revisarlos uno a uno manualmente.
Herramientas
Disciplinas científicas como el aprendizaje de máquinas (machine learning) y el procesamiento digital de señales nos entregan los fundamentos para entrenar modelos matemáticos a partir de datos que luego son capaces de revelar los patrones o información escondida en ellos.
Objetivo
Desarrollar métodos computacionales robustos y eficientes para procesar series de tiempo e imágenes astronómicas basándonos en conceptos de aprendizaje de máquinas, estadística, procesamiento de señales y teoría de la información.
Estos métodos se aplicarán en proyectos astronómicos en el contexto del Instituto Milenio de Astrofísica (MAS) y de ALeRCE, broker astronómico desarrollado en Chile.
Participantes
- Pablo Huijse, Académico Instituto de Informática
- Javier Rojas, Estudiante Magíster en Informática
- Alfredo Morales, Estudiante Magíster en Informática
- Leo Bravo, Estudiante Magíster en Informática
Más información y enlaces de interés
