Defesa de dissertação de mestrado
Aluno: Pedro Ticiani dos Santos
Programa: Astronomia
Título: “Em busca de estrelas Be utilizando fotometria de múltiplas bandas: Estudo de caso de NGC330 utilizando dados do SOAR e S-PLUS”
Orientador: Prof. Dr. Alex Cavaliéri Carciofi - IAG/USP
Comissão Julgadora:
Presidente da banca: Prof. Dr. Alex Cavaliéri Carciofi - IAG/USP - por videoconferência
Banca examinadora:
- Prof. Dr. Laerte Sodre Junior – IAG/USP – por videoconferência
- Prof. Dr. Wagner José Corradi Barbosa – UFMG - por videoconferência
- Prof. Dr. Bruno Moreira de Souza Dias - Univ. de Tarapacá/Chile – por videoconferência
Resumo: português: Devido a grande quantidade de diferentes classes
de objetos astronômicos, responsáveis por contribuições científicas relevantes para todo o campo da astronomia, múltiplas técnicas observacionais e métodos de classificação de objetos foram desenvolvidos ao longo da história. No caso das estrelas Be clássicas (CBe) – objetos de tipo espectral B de alta rotação (próxima do limite crítico), não supergigantes e que apresentam ou já apresentaram um disco kepleriano ejetado pela própria estrela – a técnica observacional pioneira foi a espectroscopia, na qual as epônimas linhas espectrais em emissão se tornaram as características mais marcantes. Porém, através do uso de outras técnicas observacionais como a fotometria e a polarimetria, outras manifestações foram detectadas, como um excesso de emissão no contínuo e polarização linear não nula. Uma das tarefas ainda ativas no campo de CBes é encontrar formas acuradas de classificar estes objetos em uma dada população estelar jovem. Por exemplo, no aglomerado estelar jovem NGC330, localizado na Pequena Nuvem de Magalhães, foi encontrada uma alta fração de CBes, a partir da década de 70, através de levantamentos espectroscópicos. Dos anos 80 em diante, houve a descoberta de que CBes em um aglomerado estelar poderiam ser classificadas utilizando fotometria, especialmente com o uso de filtros de banda estreita centralizados na linha espectral Hα. Porém, há uma forte limitação no método: apenas CBes com um disco ativo, e suficientemente denso, são passíveis de classificação. Visando contornar este problema, este trabalho utilizou modelos realistas de estrelas B e CBes a fim de produzir aglomerados sintéticos e sua subsequente fotometria sintética para modelar NGC330 com os algoritmos de aprendizado de máquina supervisionado k-Nearest Neighbors (k-NN) e Decision Tree (DT). Os dados utilizados foram fotometria do levantamento S-PLUS e do imageador SAMI/SOAR, ambos contendo um filtro estreito em Hα. Os modelos k-NN e DT treinados nas magnitudes do aglomerado sintético foram utilizados para realizar predições inéditas nos dados, resultando na classificação dos objetos presentes em três diferentes classes: estrelas de sequência principal pertencentes ao aglomerado, estrelas Be clássicas pertencentes ao aglomerado, e estrelas não pertencentes à sequência principal ou não membros do aglomerado, como objetos de fundo e/ou estrelas evoluídas. O resultado obtido foi de 44 e 47 estrelas classificadas como CBes pelos respectivos modelos k-NN e pelo DT no conjunto de magnitudes do S-PLUS, e um total de 206 e 289 objetos classificados como CBes no conjunto do SOAR, considerando o k-NN e o DT, respectivamente. No conjunto do SOAR, o modelo DT estima uma fração mínima CBe/(B+CBe) de 26%. Em ambos os algoritmos, quase toda estrela CBe com emissão em Hα foi classificada como candidata a CBe. Um dos resultados mais impressionantes diz respeito ao fato de que os modelos classificaram as candidatas a CBe na região mais “avermelhada” da sequência principal, local já conhecido de estrelas CBes inativas e de sistemas com discos pouco densos (por exemplo, no começo ou fim das respectivas fases de construção e dissipação de um disco). Como o primeiro trabalho a ter considerado propriedades conhecidas dos discos de estrelas CBe na formulação de um aglomerado estelar sintético, é possível afirmar que nossa metodologia desenvolvida é promissora, visto que as análises preliminares aqui contidas resultaram na predição de uma fração de CBes ainda maior do que em estimativas prévias da literatura, incluindo levantamentos espectroscópicos de alta resolução quando considerada a mesma profundidade observacional.
de objetos astronômicos, responsáveis por contribuições científicas relevantes para todo o campo da astronomia, múltiplas técnicas observacionais e métodos de classificação de objetos foram desenvolvidos ao longo da história. No caso das estrelas Be clássicas (CBe) – objetos de tipo espectral B de alta rotação (próxima do limite crítico), não supergigantes e que apresentam ou já apresentaram um disco kepleriano ejetado pela própria estrela – a técnica observacional pioneira foi a espectroscopia, na qual as epônimas linhas espectrais em emissão se tornaram as características mais marcantes. Porém, através do uso de outras técnicas observacionais como a fotometria e a polarimetria, outras manifestações foram detectadas, como um excesso de emissão no contínuo e polarização linear não nula. Uma das tarefas ainda ativas no campo de CBes é encontrar formas acuradas de classificar estes objetos em uma dada população estelar jovem. Por exemplo, no aglomerado estelar jovem NGC330, localizado na Pequena Nuvem de Magalhães, foi encontrada uma alta fração de CBes, a partir da década de 70, através de levantamentos espectroscópicos. Dos anos 80 em diante, houve a descoberta de que CBes em um aglomerado estelar poderiam ser classificadas utilizando fotometria, especialmente com o uso de filtros de banda estreita centralizados na linha espectral Hα. Porém, há uma forte limitação no método: apenas CBes com um disco ativo, e suficientemente denso, são passíveis de classificação. Visando contornar este problema, este trabalho utilizou modelos realistas de estrelas B e CBes a fim de produzir aglomerados sintéticos e sua subsequente fotometria sintética para modelar NGC330 com os algoritmos de aprendizado de máquina supervisionado k-Nearest Neighbors (k-NN) e Decision Tree (DT). Os dados utilizados foram fotometria do levantamento S-PLUS e do imageador SAMI/SOAR, ambos contendo um filtro estreito em Hα. Os modelos k-NN e DT treinados nas magnitudes do aglomerado sintético foram utilizados para realizar predições inéditas nos dados, resultando na classificação dos objetos presentes em três diferentes classes: estrelas de sequência principal pertencentes ao aglomerado, estrelas Be clássicas pertencentes ao aglomerado, e estrelas não pertencentes à sequência principal ou não membros do aglomerado, como objetos de fundo e/ou estrelas evoluídas. O resultado obtido foi de 44 e 47 estrelas classificadas como CBes pelos respectivos modelos k-NN e pelo DT no conjunto de magnitudes do S-PLUS, e um total de 206 e 289 objetos classificados como CBes no conjunto do SOAR, considerando o k-NN e o DT, respectivamente. No conjunto do SOAR, o modelo DT estima uma fração mínima CBe/(B+CBe) de 26%. Em ambos os algoritmos, quase toda estrela CBe com emissão em Hα foi classificada como candidata a CBe. Um dos resultados mais impressionantes diz respeito ao fato de que os modelos classificaram as candidatas a CBe na região mais “avermelhada” da sequência principal, local já conhecido de estrelas CBes inativas e de sistemas com discos pouco densos (por exemplo, no começo ou fim das respectivas fases de construção e dissipação de um disco). Como o primeiro trabalho a ter considerado propriedades conhecidas dos discos de estrelas CBe na formulação de um aglomerado estelar sintético, é possível afirmar que nossa metodologia desenvolvida é promissora, visto que as análises preliminares aqui contidas resultaram na predição de uma fração de CBes ainda maior do que em estimativas prévias da literatura, incluindo levantamentos espectroscópicos de alta resolução quando considerada a mesma profundidade observacional.
Palavras-chave: Estrelas Be, Estrelas em emissão, Aglomerados estelares, Aglomerados estelares jovens, Machine Learning