Aplicación de la arquitectura de redes convolucionales YOLO-NAS para la clasificación morfológica de galaxias en el survey DeROSITAS

DAMKE, GUILLERMO; MARCELO JAQUE ARANCIBIA; MESA, VALERIA; ALFREDO ZENTENO

San Juan

Congreso; Reunion anual Asociación Argentina de Astronomía; 2023

El desarrollo de la astronomía y ciencias afines en las últimas décadas ha sido moldeado por la concepción y ejecución de relevamientos fotométricos y espectroscópicos de áreasextensas del cielo, realizados por medio de numerosos telescopios ubicados tanto en nuestro planeta como en el espacio. Como consecuencia, el ejercicio de la profesión ha sidosupeditado por la necesidad de dominar técnicas que permitan el manejo de los volúmenes de datos que los relevamientos han puesto a disposición de la comunidad, que a la vezpermiten y requieren el estudio de los fenómenos desde una perspectiva estadística. A pesar de la cantidad de datos disponibles, ámbitos como la clasificación morfológica de galaxiasaún requieren del trabajo humano para generar muestras confiables, limitando las muestras finales en su tamaño. En esta contribución, presentamos los resultados preliminares de laaplicación de técnicas de visión computacional a la clasificación morfológica de galaxias del survey DeROSITAS. Este último es una contraparte óptica en bandas griz que busca observar elfootprint de la misión de rayos-X eROSITA-DE utilizando la Dark Energy Camera del telescopio Víctor Blanco de Cerro Tololo. El trabajo incluye la preparación de los sets de entrenamiento yvalidación, basados en la clasificación de Galaxy Zoo DECaLS, además de los resultados alcanzados por el modelo computacional YOLO-NAS. Este último representa el estado del arte en laarquitectura YOLO, la cual a su vez se basa en Convolutional Neural Networks.