Abstract (in italiano)
Il rilevamento e la classificazione delle galassie a bassa luminosità superficiale (LSB) hanno un ruolo cruciale nella comprensione della formazione e dell’evoluzione dell’universo. Tuttavia, le tecniche osservative tradizionali incontrano spesso difficoltà nell’identificare questi deboli oggetti deboli a causa del loro basso rapporto segnale-rumore e della frequente sovrapposizione con sorgenti astronomiche più luminose. In questa tesi, presentiamo lo sviluppo e l’implementazione di una Rete Neurale Con-voluzionale (CNN) progettata per il rilevamento di galassie a bassa luminosità in immagini astronomiche.
Questo lavoro è diviso in due parti. La prima parte fornisce una base teorica, intro-ducendo il concetto di LSB galaxies e descrivendo le caratteristiche principali delle reti neurali, con particolare attenzione alle CNN e al loro ruolo nell’elaborazione delle immagini.
La seconda parte si concentra sullo sviluppo, presentando PyTorch come strumento principale per la creazione e l’addestramento di modelli di deep learning. Dopo aver esplorato alcune applicazioni esemplificative delle CNN con PyTorch, vengono descritti il design e l’implementazione della CNN per il rilevamento delle galassie a bassa lu-minosità superficiale. Il modello proposto viene addestrato su un dataset di immagini simulate di galassie basato su dati della missione Euclid, con l’aggiunta di un rumore, realistico, e di stelle.
I test approfonditi su dataset simulati dimostrano la capacità del modello di ri-conoscere accuratamente le galassie deboli con elevata precisione e generalizzazione, superando i metodi tradizionali. La CNN raggiunge un tasso di successo dell’84,5%nell’identificazione di galassie con magnitudine integrata compresa tra 22 e 24, con risultati persino superiori per luminosità più elevate. Tuttavia, le prestazioni calano drasticamente per magnitudini tra 24 e 26, ovvero nell’intervallo in cui il rumore di fondo diventa predominante.
In sintesi, questo lavoro evidenzia il potenziale delle CNN nel campo dell’astrofisica, consentendo una ricerca più efficace degli oggetti astronomici e contribuendo a una comprensione più approfondita dell’Universo.
Tesi di laurea triennale – La missione astrometrica Gaia: uso dei dati archiviati.
Abstract
Dal luglio 2014, la missione spaziale Gaia dell’Agenzia Spaziale Europea (ESA) sta scansionando il cielo per realizzare una mappa tridimensionale della nostra Galassia, la Via Lattea, per studiarne formazione, composizione ed evoluzione. Gaia, successore del satellite Hipparcos, attraverso i suoi strumenti, permette di ottenere dati astrometrici, fotometrici e velocità radiali di diverse classi di oggetti, principalmente stellari ma anche extragalattici e del Sistema Solare. Questo lavoro ne illustra la missione, i dati e una loro esemplificativa elaborazione. La prima parte, di carattere bibliografico, presenta nel dettaglio la storia, gli obiettivi e gli strumenti a bordo del satellite.
La seconda parte tratta della teoria delle velocità radiali e i metodi di determinazioni delle stesse.
In seguito si illustra il metodo per l’accesso ai dati di Gaia mediante un notebook Jupyter, usando il linguaggio di programmazione Python, e una prima analisi, ispirata dall’implementazione di alcuni esempi presentati dall’ESA.
Infine, viene presentata un’elaborazione originale, sempre mediante Jupyter, in cui si sviluppa uno studio sulle velocità radiali di un ammasso globulare, allo scopo di valutare la qualità dei valori delle velocità radiali ricavate da Gaia e l’eventuale rotazione dell’ammasso.
Il seguente documento è stato realizzato con lo scopo di raccogliere e integrare i materiali del corso di Fondamenti di Astronomia e Astrofisica presso l’Unisalento, tenuto dal Prof. Franesco De Paolis, per gli studenti del terzo anno di Fisica.
Il materiale di base è fornito dalle slide del corso, a cui ho aggiunto parti mie e prese da altre fonti, elencate in bibliografia.
Nel seguente documento ho cercato tuttavia di valorizzare anche l’aspetto più propriamente storico-divulgativo. Pertanto ne posso raccomandare la lettura a chiunque voglia avvicinarsi all’Astronomia e all’Astrofisica, nonché agli studenti delle scuole superiori che, se ignorano i passaggi matematici più complessi, possono trovarne utilità nella preparazione delle Olimpiadi Italiani di Astronomia, organizzate annualmente dall’INAF, MIUR e SAIt, a cui ho io stesso partecipato.
Ovviamente, questa prima versione che pubblico sul mio blog, Nowadays – Sapere Aude, non deve essere letta in maniera acritica e senza domande. Alcuni passaggi sono stati scritti secondo la mia sensibilità e altri potrebbero presentare inesattezze. Pertanto, per correzioni, aiuti e materiale aggiuntivo mi si può contattare secondo le modalità illustrate sul sito (gvdnowadays.home.blog), dove per i più interessati si discutono, tra le altre cose, alcune tematiche associate alla disciplina astronomica.
Nowadays 