Medidas de linhas de emissão com aprendizado de máquina

Abstract

Transições eletrônicas em íons de nebulosas presentes em galáxias emitem fótons com energias características, despontando dos espectros das galáxias como linhas de emissão. Medidas dos fluxos de linhas de emissão são fundamentais no entendimento deste sistema físico. Por exemplo, a largura equivalente da linha espectral nebular Hα está ligada à taxa de formação estelar específica de uma galáxia e é também útil para quantificar a presença do gás difuso ionizado em galáxias. Dado que na astrofísica trabalha-se com grandes quantidades de dados, é importante avaliar o método utilizado para extrair as propriedades físicas deles, haja vista a grande demanda computacional envolvida. Para tanto, este trabalho teve o objetivo de avaliar o desempenho de uma rede neural convolucional (do inglês, Convolutional Neural Network - CNN) em predizer medidas de amplitude e fluxo obtidos de linhas de emissão sintéticas. Na parte I do trabalho são medidos amplitude e fluxo da linha de emissão Hα. Na parte II são medidos os fluxos das linhas de emissão do dubleto NII, de 6548 e 6584 Å, concomitantemente à linha Hα. Todas as linhas de emissão foram geradas a partir de funções gaussianas. A perspectiva futura é aplicar o método para dados do MUSE (Multi Unit Spectroscopic Explorer).