Este grupo se compone de investigadores de diversas \u00e1reas que trabajar\u00e1n para la Colaboraci\u00f3n Cient\u00edfica de Energ\u00eda Oscura (DESC en ingl\u00e9s).<\/p>\n\n\n\n
Casi todas las galaxias observadas se alejan de nosotros debido a la expansi\u00f3n del Universo, y entre m\u00e1s lejos est\u00e1n de nosotros m\u00e1s r\u00e1pido se alejan. Para medir esta velocidad analizamos la luz de las galaxias, que entre m\u00e1s r\u00e1pido se alejan, su luz se observa con una mayor longitud de onda. Esto lo conocemos como corrimiento al rojo porque las galaxias aparentan ser m\u00e1s rojas entre m\u00e1s r\u00e1pido se mueven. Como la cantidad de galaxias que observar\u00e1 LSST es tan grande, tomar\u00eda demasiado tiempo analizar la luz de cada galaxia individualmente. As\u00ed que ocuparemos programas de inteligencia artificial, modelos de evoluci\u00f3n estelar y comparaci\u00f3n con otros telescopios para determinar el corrimiento al rojo \u00fanicamente a partir de las im\u00e1genes entregadas por LSST. Nuestro grupo de trabajo tambi\u00e9n se asegura de que los c\u00f3digos est\u00e9n bien optimizados para analizar la gran cantidad de datos que observar\u00e1 el telescopio.<\/p>\n\n\n\n
Los colaboradores de este grupo Josu\u00e9 De Santiago (Secihti-Cinvestav) y David M\u00e1rquez (Cinvestav).<\/p>\n\n\n\n
Otros trabajos que se realizar\u00e1n en este grupo incluyen usar algoritmos de inteligencia artificial para identificar y clasificar eventos transitorios en el Universo, que son aquellos objetos que cambian en tiempos cortos. Por ejemplo cuando las estrellas explotan al morir formando supernovas, que son sumamente brillantes. Estos fen\u00f3menos aunque son raros en el Universo, pueden ser captados por el telescopio Vera Rubin debido a su gran \u00e1rea de visi\u00f3n y su sensibilidad.
En el esfuerzo por entender mejor estos fen\u00f3menos m\u00e1s din\u00e1micos y ef\u00edmeros del universo las y los cient\u00edficos del Observatorio Vera C. Rubin est\u00e1n utilizando t\u00e9cnicas avanzadas de inteligencia artificial que permiten analizar con gran precisi\u00f3n las im\u00e1genes del cielo capturadas para el Legacy Survey of Space and Time (LSST). En el caso de los transitorios, se procesan recortes en los que se ha detectado una variaci\u00f3n repentina en la luz proveniente del espacio. El reto consiste en clasificar de forma autom\u00e1tica y sistem\u00e1tica estos eventos, tanto gal\u00e1cticos (por ejemplo, ciertas estrellas variables) como extragal\u00e1cticos brillantes (por ejemplo, supernovas).<\/p>\n\n\n\n
Para ello, parte de la colaboraci\u00f3n mexicana LSST-MX utiliza Vision Transformers (ViT), que incorporan mecanismos de atenci\u00f3n, y modelos MLP-mixer para clasificar de forma precisa las im\u00e1genes. Adem\u00e1s, se colabora con la Universidad de Pittsburgh (EE. UU.) integrando algoritmos de aprendizaje autom\u00e1tico al Pitt-Google broker, para procesar millones de alertas astron\u00f3micas.<\/p>\n\n\n\n
Gracias a estos modelos, no s\u00f3lo se optimiza la identificaci\u00f3n de los eventos transitorios, sino que tambi\u00e9n es posible descubrir nuevas clases de fen\u00f3menos a\u00fan no categorizados. Esta combinaci\u00f3n de astronom\u00eda e inteligencia artificial representa una frontera innovadora para explorar un universo en constante cambio.<\/p>\n\n\n\n
Los miembros de LSST-MX que participan en este proyecto son Ren\u00e9 Parlange (UASLP), Juan Carlos Cuevas Tello (UASLP), Bolivia Cuevas (BUAP), Octavio Valenzuela (UNAM) y \u00c1ngeles P\u00e9rez-Villegas (UNAM).<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Corrimientos al rojo fotom\u00e9tricos, modelos, pruebas combinadas y Este grupo se compone de investigadores de diversas \u00e1reas que trabajar\u00e1n para la Colaboraci\u00f3n Cient\u00edfica de Energ\u00eda Oscura (DESC en ingl\u00e9s). Casi todas las galaxias observadas se alejan de nosotros debido a la expansi\u00f3n del Universo, y entre m\u00e1s lejos est\u00e1n de nosotros m\u00e1s r\u00e1pido se alejan. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":147,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-162","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/pages\/162","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/lsstmx.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=162"}],"version-history":[{"count":1,"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/pages\/162\/revisions"}],"predecessor-version":[{"id":163,"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/pages\/162\/revisions\/163"}],"up":[{"embeddable":true,"href":"https:\/\/lsstmx.org\/index.php?rest_route=\/wp\/v2\/pages\/147"}],"wp:attachment":[{"href":"https:\/\/lsstmx.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=162"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}