I Simposio de Postgrado 2023. Ingeniería, ciencias e innovación

I SIMPOSIO 2023 SUPERNOVAE COMPLETE PIPELINE: FROM LIGHT CURVES TO COSMOLOGY RESUMEN Diversas observaciones del universo indican que este se expande y que lo hace aceleradamente. Este descubrimiento, al que se le ga- lardonó con el premio Nobel de física en el año 2011, abrió una de las grandes incógnitas actuales de la cosmología: la energía oscu- ra, una nueva forma de energía necesaria para ajustar losmodelos a las observaciones. Para llegar a tal conclusión se analizaron las luminosidades de supernovas de tipo Ia (SNIa), objetos celestes de gran interés debido a sus características observacionales. Con el transcurso de los años la cantidad de datos asociados a estos objetos ha aumentado de forma significativa gracias a las observa- ciones realizadas por distintos telescopios. No obstante, la dificul- tad en el análisis de estos datos ha aumentado considerablemente debido al gran volumen de información recopilada de objetos de diversa naturaleza como, por ejemplo, núcleos activos de galaxias, estrellas variables o incluso distintos tipos de supernovas. Además, nos enfrentamos a una década en la cual operarán te- lescopios de enormes dimensiones, lo que implicará que la can- tidad de datos existente excederá completamente la capacidad humana para su procesamiento y compresión. Por tal motivo se necesita implementar nuevas técnicas de clasificación y manejo de datos a través de aprendizaje de máquinas ( machine learning ). Es en este contexto en el cual se sitúa este proyecto, el cual con- siste en la creación de un pipeline que utilice herramientas de machine learning para clasificar y seleccionar las curvas de luz correspondientes a SNIa a partir de datos crudos y, con ellas, estimar parámetros cosmológicos. El proyecto actualmente se encuentra en la etapa del clasifica- dor, el cual utiliza Redes Neuronales Recurrentes que han sido entrenadas con curvas de luz sintéticas generadas con el pro- grama SNANA. Alejandro Cartes 1* 1 Departamento de Física, Universidad de Chile. *Email: alejandroml.cartes@gmail.com