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 cubos que contêm milhares de espectros por galáxia, é importante avaliar o método utilizado para extrair as propriedades físicas dos dados, haja vista a grande demanda computacional envolvida. Para tanto, a proposta deste trabalho consistiu na aplicação de uma rede neural convolucional para medir amplitude e fluxo obtidos de linhas de emissão Hα geradas a partir de uma função gaussiana. Os resultados apresentam-se promissores e o aprendizado eficiente. A perspectiva é aplicar o método para dados do MUSE (Multi Unit Spectroscopic Explorer).