Vea También
 |
| Un telescopio ASAS-SN ayuda a los astrónomos a descubrir nuevas estrellas. Crédito: ASAS-SN |
Utilizando técnicas de aprendizaje automático y datos del All-Sky Automated Survey for Supernovae (ASAS-SN) y otros estudios, los astrónomos han identificado 378.861 estrellas variables, de las cuales 262.834 son variables conocidas y 116.027 son nuevos descubrimientos.
Las estrellas variables son objetos celestes cuyo brillo aumenta y disminuye con el tiempo, especialmente si se observan desde nuestra perspectiva en la Tierra.
"De hecho, incluso nuestro Sol se considera una estrella variable", explica el Dr. Collin Christy, astrónomo del Departamento de Astronomía de la Universidad Estatal de Ohio.
"Los sondeos como ASAS-SN son una herramienta especialmente importante para encontrar sistemas que puedan revelar las complejidades de los procesos estelares".
"Las estrellas variables son una especie de laboratorio estelar. Son lugares realmente asombrosos en el Universo donde podemos estudiar y aprender más sobre el funcionamiento real de las estrellas y las pequeñas complejidades que todas ellas tienen."
En el estudio, la Dra. Christy y sus colegas analizaron datos de ASAS-SN, así como de la misión Gaia de la ESA, el Two Micron All Sky Survey (2MASS) y el catálogo AllWISE.
Utilizaron un algoritmo de aprendizaje automático para generar una lista de 1,5 millones de estrellas variables candidatas a partir de un catálogo de unos 55 millones de estrellas aisladas.
Después, redujeron aún más el número de candidatas. De los 1,5 millones de estrellas que estudiaron, 378.861 resultaron ser verdaderas estrellas variables.
Más de la mitad ya eran conocidas por la comunidad astronómica, pero 116.027 de ellas resultaron ser nuevos descubrimientos, incluyendo más de 111.000 variables periódicas y 5.000 variables irregulares.
"Tenemos previsto incorporar estas variables, incluidas las candidatas de menor probabilidad, a nuestra iniciativa de Ciencia Ciudadana para ayudar a perfeccionar nuestras clasificaciones y mejorar nuestras técnicas de aprendizaje automático", afirman los astrónomos.
"Los científicos ciudadanos superaron a nuestro actual clasificador de aprendizaje automático en la identificación de variables espurias".
"También sobresalieron en la identificación de candidatas a variables inusuales o extremas".
"Esta es la primera vez que combinamos realmente la ciencia ciudadana con las técnicas de aprendizaje automático en el campo de la astronomía de estrellas variables", dijo Tharindu Jayasinghe, estudiante de doctorado en el Departamento de Astronomía y el Centro de Cosmología y Física de Astropartículas de la Universidad Estatal de Ohio.
"Estamos ampliando los límites de lo que se puede hacer cuando se juntan ambas cosas".
Fuentes, créditos y referencias:
C. T. Christy et al, The ASAS-SN Catalog of Variable Stars X: Discovery of 116,000 New Variable Stars Using g-band Photometry. arXiv:2205.02239v1 [astro-ph.SR], arxiv.org/abs/2205.02239