Bolsa 21/05699-9 - Aprendizado computacional, Exoplanetas - BV FAPESP
Busca avançada
Ano de início
Entree

Estudo de processos de filtragem de curvas de luz obtidas com os satélites CoRoT e Kepler

Processo: 21/05699-9
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de setembro de 2021
Data de Término da vigência: 31 de janeiro de 2022
Área de conhecimento:Ciências Exatas e da Terra - Astronomia - Astrofísica Estelar
Pesquisador responsável:Roberto Bertoldo Menezes
Beneficiário:Guilherme Samuel de Souza Barbosa
Instituição Sede: Escola de Engenharia Mauá (EEM). Instituto Mauá de Tecnologia. São Caetano do Sul , SP, Brasil
Assunto(s):Aprendizado computacional   Exoplanetas   Filtragem adaptativa
Palavra(s)-Chave do Pesquisador:Curvas de luz | Exoplanetas | Filtros passa-baixa | Análise de curvas de luz

Resumo

Curvas de luz são dados astronômicos utilizados para o estudo da variabilidade do brilho das estrelas, o que pode potencialmente resultar na descoberta de exoplanetas, devido aos eclipses (detectados nas curvas de luz) gerados pela passagem dos exoplanetas entre a estrela observada e o observador. As curvas de luz apresentam ruído de alta frequência que pode dificultar tanto a detecção de eclipses quanto a determinação de parâmetros (como os raios dos exoplanetas e as suas distâncias em relação às estrelas que orbitam) a partir da modelagem desses dados astronômicos. Nesse trabalho, propomos averiguar, usando dados disponíveis dos telescópios espaciais CoRoT e Kepler, quais as melhores técnicas de filtragem capazes de remover o ruído de alta frequência das curvas de luz, sem comprometer análises a serem aplicadas, envolvendo exoplanetas. Para avaliar a eficácia dos métodos de filtragem, determinaremos os parâmetros dos exoplanetas, a partir de modelagens das curvas de luz, antes e após as filtragens, a fim de verificar o efeito que as técnicas de remoção de ruído tiveram nos valores (e nas incertezas) de tais parâmetros. Usando esses mesmos dados, também pretendemos avaliar a eficácia do uso de diferentes técnicas de machine learning na análise de curvas de luz, com o propósito de diferenciar as curvas entre aquelas contendo estrelas com binárias eclipsantes, com exoplanetas ou sem eclipses. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)