Aprendizaje automático para identificar poblaciones estelares en galaxias cercanas

Abstract

Se ha realizado un estudio de diferentes poblaciones estelares en galaxias cercanas. Este se ha basado en datos fotometricos multibanda obtenidos con el Hubble Space Telescope. En el analisis se han aplicado tecnicas de aprendizaje automatico no supervisado a n de reconocer tanto las poblaciones estelares, como los grupos de estrellas en la poblacion mas joven. En ambos casos se han utilizado diferentes algoritmos de agrupamiento y se ha evaluado la eciencia de los mismos. La metodologa aplicada ha permitido llevar a cabo la tarea evitando el uso de criterios preconcebidos. Adicionalmente, se ha logrado caracterizar la distribucion espacial de cada una de las poblaciones estelares considerando sus similitudes con una estructura de tipo fractal. De esta forma, ha sido posible identicar a las poblaciones mas jovenes con una estructura jerarquica y a las poblaciones mas evolucionadas con distribuciones homogeneas, salvo uctuaciones a muy gran escala.

A study of different stellar populations in nearby galaxies has been carried out. This has been based on multi-band photometric data obtained with the Hubble Space Telescope. In the analysis, unsupervised machine learning techniques have been applied in order to recognize both the stellar populations and the groups of stars in the youngest population. In both cases, different clustering algorithms have been used and their efficiency has been evaluated. The applied methodology has allowed to carry out the task without the need for preconceived criteria. Additionally, it has been possible to characterize the spatial distribution of each of the stellar populations considering their similarities with a fractal-type structure. In this way, it has been possible to identify the youngest populations with a hierarchical structure and the more evolved populations with homogeneous distributions, except for fluctuations on a very large scale.