Detección de posibles exoplanetas mediante Deep Learning en datos de misiones espaciales con nanosatélites

Abstract

En este trabajo se estudia la detección de posibles exoplanetas utilizando modelos de Deep Learning sobre los datos de la misión BRITE, una constelación de 5 nanosatélites. Se crea un dataset de curvas de luz con señales sintéticas mediante la aplicación de un pre-procesamiento a los datos de BRITE y una inyección de tránsitos según el modelo Mandel y Agol con una restricción de radio estelar < 3.08 [Rsun] y radio planetario entre 0.95 y 2.1 [Rjup]. Aplicando un criterio de calidad se obtienen 597 ejemplos Planet Candidate (PC) y 3126 ejemplos no candidato, los cuales se utilizan para entrenar un modelo modificado de Red Neuronal Convolucional AstroNet, obteniendo sobre un conjunto de testing las métricas 100 % de precisión y 96.72 % recall para la clase PC, y AUC-ROC de 98.36 %. Finalmente se buscan posibles exoplanetas en los datos pre-procesados de BRITE, encontrando señales similares a tránsitos en los objetivos HD 039060, HD 218396, HD 022049 y HD 036861. Estas señales deben ser investigadas en un trabajo futuro.

In this work, the detection of possible exoplanets using Deep Learning models is studied on data from the BRITE mission, a constellation of 5 nanosatellites. A dataset of light curves with synthetic signals is created by applying a pre-processing to the BRITE data and an injection of transits according to the Mandel and Agol model with a constraint of stellar radius < 3.08 [Rsun] and planetary radius between 0.95 and 2.1 [Rjup]. Applying a quality criteria, 597 Planet Candidate(PC) examples and 3126 non candidate examples are obtained, which are used to train a modified AstroNet Convolutional Neural Network model, obtaining over a testing set the metrics 100 % precision and 96.72 % recall for the PC class, and AUC-ROC of 98.36 %. Finally, possible exoplanets are searched in the pre-processed data from BRITE, finding signals similar to exoplanetary transits in the targets HD 039060, HD 218396, HD 022049 and HD 036861. These signals should be investigated in future work.