Uso de algoritmos Machine Learning en la clasificación de objetos astronómicos: una revisión sistemática

Abstract

La clasificación de los discos protoplanetarios se ha convertido en una tarea de vital importancia para determinar su estructura y si realmente se trata de estos cuerpos. Puesto que se está experimentando un enorme aumento de datos debido a los avances en las tecnologías telescópicas con salidas digitales automatizadas, la cantidad de datos ha aumentado exponencialmente, con una generación de aproximadamente 15 TB de datos por noche, lo que, a su vez, ha aumentado la demanda de análisis de datos complejos para una toma de decisiones adecuada. El principal objetivo de este trabajo es explorar la literatura durante los últimos diez (10) años y encontrar métodos de análisis y clasificación de discos protoplanetarios mediante diferentes algoritmos machine learning, clasificarlas y evaluar la precisión y las limitaciones estas comparado con los métodos tradicionales, a la vez que se identifican patrones en común en el uso de las distintas técnicas, dependiendo del cuerpo astronómico, el lugar de estudio y el cambio de estas técnicas con el paso de los años. Si bien existen avances prometedores en el análisis de los discos protoplanetarios, es aún un desafío incorporar el uso de los modelos de machine learning que se aplican en el estudio de otros cuerpos a los discos protoplanetarios. Sin embargo, esto no es una limitante para que se puedan modificar y adecuar los modelos ya existentes de estrellas y galaxias, por ejemplo, a los discos.