{"id":18323,"date":"2018-10-04T10:19:56","date_gmt":"2018-10-04T13:19:56","guid":{"rendered":"http:\/\/www.astrofisicamas.cl\/?p=18323"},"modified":"2023-08-04T21:00:39","modified_gmt":"2023-08-04T21:00:39","slug":"representaciones-latentes-para-transientes-astronomicos-usando-redes-neuronales-artificiales","status":"publish","type":"post","link":"https:\/\/astrofisicamas.cl\/en\/representaciones-latentes-para-transientes-astronomicos-usando-redes-neuronales-artificiales\/","title":{"rendered":"Nuestra Investigaci\u00f3n: Representaciones latentes para transientes astron\u00f3micos usando redes neuronales artificiales"},"content":{"rendered":"

Por\u00a0Pablo Huijse, investigador joven Instituto Milenio de Astrof\u00edsica\u00a0<\/strong><\/em><\/h4>\n

<\/p>\n

Las redes neuronales artificiales (ANN) son modelos inspirados en la biolog\u00eda<\/strong> que se desempe\u00f1an con \u00e9xito en tareas de reconocimiento de patrones tales como clasificaci\u00f3n, regresi\u00f3n y clustering (agrupamiento). Las ANN se construyen conectando unidades simples llamadas \u201cneuronas\u201d siguiendo una arquitectura particular. Existen distintas arquitecturas espec\u00edficas para resolver una gran variedad de problemas. Por ejemplo, la red neuronal convolucional<\/strong>, donde cada neurona realiza la operaci\u00f3n de convoluci\u00f3n, es el estado del arte en reconocimiento de im\u00e1genes. Cuando entrenamos una ANN lo que hacemos es ajustar sus par\u00e1metros a un set de datos resolviendo un problema de optimizaci\u00f3n. La alta disponibilidad de datos y de capacidad de computar han permitido el desarrollo de modelos de redes neuronales sumamente precisos para resolver una amplia variedad de problemas de miner\u00eda de datos.<\/strong><\/p>\n

En este trabajo nos enfocamos en los autoencoder variacionales (VAE), un tipo particular de red neuronal que realiza extracci\u00f3n de variables latentes (tambi\u00e9n conocido como reducci\u00f3n de dimensionalidad). La Fig. 1 muestra un autoencoder y sus componentes fundamentales, el codificador, el cuello de botella y el decodificador. El autoencoder reduce la dimensi\u00f3n de la entrada hasta llegar al cuello de botella. A partir de aqu\u00ed la dimensi\u00f3n aumenta hasta volver a la dimensi\u00f3n original. El autoencoder se entrena para reproducir la entrada minimizando el error de reconstrucci\u00f3n entre su entrada y su salida. La clave est\u00e1 en que el cuello de botella aprende una representaci\u00f3n de variable latente de los datos que \u201cdestila\u201d sus caracter\u00edsticas m\u00e1s importantes, es decir, aquellas necesarias para generarlos. La diferencia entre el VAE y un autoencoder convencional es que en el primero el cuello de botella se asocia a par\u00e1metros de una distribuci\u00f3n (por ejemplo Gaussiana), lo cual nos permite muestrear a partir del decodificador (modelo generativo) y fijar un prior en el espacio latente (regularizaci\u00f3n).<\/p>\n

En este trabajo usamos datos en la forma de estampillas de 21×21 p\u00edxeles asociados a candidatos a transientes astron\u00f3micos obtenidos de un pipeline<\/em> de diferencia de im\u00e1genes. El pipeline<\/em> toma dos im\u00e1genes de distintas \u00e9pocas y realiza alineamiento, ajuste de calidad\/PSF, y finalmente las resta. Una transiente candidato es una estampilla de 21×21 centrada en un p\u00edxel con una alto valor positivo en la imagen restada. El conjunto de transientes candidato es en general grande y dominado por falsos positivos (por ejemplo artefactos del proceso de diferencia). La inspecci\u00f3n visual de los candidatos consume bastante tiempo y puede ser dif\u00edcil cuando la raz\u00f3n se\u00f1al a ruido es baja.<\/p>\n

Nosotros extendimos y aplicamos la red neuronal tipo VAE para obtener representaciones latentes que a su vez sirvan para hacer visualizaci\u00f3n y clustering usando datos del High Cadence Transient Survey (HiTS), CHilean Automatic Supernova sEarch (CHASE) y SUDARE<\/strong>. La figura 2 muestra \u00e9pocas sucesivas de entrenamiento del modelo usando datos de SUDARE. En este caso el cuello de botella es de dos dimensiones lo que permite una f\u00e1cil inspecci\u00f3n visual del resultado. La parte codificadora de la red (izquierda) mapea las estampillas de 21×21 a un punto particular del espacio latente. La parte decodificadora (derecha) genera una estampilla de 21×21 dada una coordenada del espacio latente. La Figura 3 muestra ejemplos de transientes candidatos usados para entrenar el modelo y su ubicaci\u00f3n en el espacio latente. El espacio latente revela los \u201ccomportamientos\u201d que est\u00e1n presentes en el conjunto de datos de estampillas de diferencia, por ejemplo, transientes astrof\u00edsicos, defectos del CCD y todo tipo de artefactos debido a malas diferencias.<\/p>\n

Nuestros experimentos muestran que el modelo propuesto obtiene una mejor representaci\u00f3n latente que los m\u00e9todos competidores en t\u00e9rminos de la calidad de la reconstrucci\u00f3n y la preservaci\u00f3n de vecindades. Al incorporar una mezcla de Gaussianas como prior nuestro modelo puede realizar tanto reducci\u00f3n de dimensionalidad como clustering, es decir, encontrar grupos de transientes similares de forma autom\u00e1tica. Finalmente mostramos que las caracter\u00edsticas latentes, que contienen mucha informaci\u00f3n de los datos, pueden usarse para entrenar un clasificador de alta precisi\u00f3n en el caso de que hayan etiquetas disponibles. El trabajo futuro incluye mejorar la estrategia de optimizaci\u00f3n del modelo, desarrollar modelos m\u00e1s flexibles para el prior y el posterior, a\u00f1adir semi-supervisi\u00f3n, es decir incorporar informaci\u00f3n de etiquetas para una parte del conjunto de datos y entrenar un modelo con m\u00faltiples conjuntos de datos al mismo tiempo.<\/p>\n

Referencias<\/p>\n