[:en]This report was published by Beauchef Magazine of the Faculty of Physics and Mathematics Sciences of Universidad de Chile (1st semester)
The computational intelligence is a group of paradigms inspired on biology; such as the artificial neuronal networks, the evolutionary algorithms, and the fuzzy logic systems, which are used to shape, classify and predict signals, images, and data. Applying these techniques to astronomy is a big challenge to extract large-scale data and to manage time series when the analysis is almost online. The paper named Computational Intelligence Challenges and Application on Large-Scale Astronomical Time Series Databases, published in 2014 by IEEE Computational Intelligence Magazine, in which Pablo Estévez is part of, Full Professor at the Department of Electric Engineering and also MAS researcher.
According to Estévez, astronomy is currently facing the accelerated generation of important volumes of data –Big Data– which in this particular case is related to the number of stellar objects in the Universe and in our galaxy in particular. The VVV (Volume, Velocity, and Variety) is a concept that helps to understand the meaning of Big Data, which is a challenge that MAS and the Center for Mathematical Modeling of FCFM are working jointly.
Astronomy requirements are very particular since a lot of observed events are temporary and probably one of a kind. Considering that, precisely in this paper, it is stand out the commitment of using some techniques to be adapted to the necessities of the astronomy field. “The problem is equivalent to find a needle in a haystack. That means to get the important patterns between millions of data, without mixing up with other objects that can even be false. Unknown objects are very interesting to study. So, we use automatic algorithms that learn how to recognize these events that are unlikely common to observe in our Universe,” Estévez states.
This research about computational intelligence proposes the use of algorithms, able to recognize astronomical phenomena that change over time or its position. In addition, “we go on into detail about the technical challenges and the artificial neuronal networks functioning that intends to imitate the natural skill of the human brain to recognize and classify patterns, in order to make the astronomical data count.” Estevez concluded.[:es]*Reportaje publicado en Revista Beauchef Magazine de la Facultad de Ciencias Físicas y Matemáticas U. de Chile (1er Semestre)
La inteligencia computacional consiste en un conjunto de paradigmas inspirados en la biología, tales como las redes neuronales artificiales, los algoritmos evolutivos y los sistemas de lógica difusa, los cuales se utilizan para modelar, clasificar y predecir señales, imágenes y datos. Estas técnicas enfrentan grandes desafíos en su aplicación a la astronomía al momento de manejar grandes volúmenes de datos y dominar a la vez el factor tiempo al realizar los análisis prácticamente en línea. A ello se refiere el paper Computational Intelligence Challenges and Applications on Large-Scale Astronomical Time Series Databases, publicado el año 2014 en la revista IEEE Computational Intelligence Magazine, siendo el profesor titular del Departamento de Ingeniería Eléctrica e investigador del Instituto Milenio de Astrofísica (MAS), Pablo Estévez, uno de los participantes.
Según Estévez, en la actualidad la astronomía se ve confrontada a la generación acelerada de importantes volúmenes de información —Big Data—, que para este caso particular se relaciona con el número de objetos estelares existentes en el universo y particularmente en nuestra galaxia. El concepto de VVV (Volumen, Velocidad y Variedad) describe en forma sencilla el sentido del Big Data, un desafío que trabaja conjuntamente el MAS y el Centro de Modelamiento Matemático de la FCFM.
Los requerimientos de la astronomía son particulares, dado que muchos fenómenos observados son transitorios y probablemente únicos. Ante ello, el paper destaca justamente la necesidad de usar técnicas que se adapten a sus necesidades. “El problema equivale a extraer una aguja en un pajar, es decir, obtener los patrones significativos entre millones de datos, sin confundirlos con otros objetos que pueden ser hasta falsos. De particular interés son los objetos de tipo desconocido, para ello se utilizan algoritmos automáticos que aprenden a detectar eventos que escapan a la norma de lo observado en el universo”, indica Estévez.
Esta investigación sobre inteligencia computacional propone algoritmos capaces de detectar los fenómenos astronómicos que cambian en el tiempo o de posición. Además, “se profundiza en cuáles son los desafíos técnicos, cómo funcionan las llamadas redes neuronales artificiales que intentan reproducir la habilidad que tiene el cerebro humano para reconocer y clasificar patrones, a fin de dar sentido a los datos astronómicos”, concluye el académico[:]
- MAS firma convenio de colaboración con Planetario de Rapa Nui y organiza gira astronómica en la isla
Noticias recientes
