Jorge Martínez, Ph.D. Astronomía DAS-FCFM - Universidad de Chile

El trabajo de investigación Automatic classification of variable objects in the HiTS survey and its applicability for intermediate mass Black Holes search fue presentado ante la comisión evaluadora integrada por su profesora guía DAS, Paulina Lira y los académicos miembros de la comisión Francisco Förster, Valentino González; y por el científico invitado Pavlos Protopapas (Universidad de Harvard).

El objetivo principal del estudio fue analizar fuentes variables en datos del mapeo HiTS (High cadence Transient Survey) utilizando nuevas herramientas de computación de alto desempeño (HPC), aprendizaje de máquinas (Machine Learning), y análisis de datos. El joven científico explicó que su trabajo de tesis se dividió en 3 etapas. “Inicialmente creamos catálogos de fuentes astronómicas detectadas por HiTS durante las campañas de observación de los años 2013 a 2015. Estos catálogos contienen más de 14 millones de fuentes catalogadas, y más de 160 millones de detecciones individuales. La segunda etapa consistió en una clasificación automática de curvas de luz utilizando algoritmos de aprendizaje de máquinas (Machine Learning). Luego se clasificaron estrellas variables periódicas así como también fuentes variables no periódicas como supernovas, cuásares y variables cataclísmicas. El gran aporte de esta etapa de mi tesis fue la creación del set de entrenamiento utilizado para entrenar el clasificador Random Forest. Seguimos varias estrategias para esto, de las cuales las más novedosas son el uso de técnicas derivadas de la Ciencia de los Datos”, explicó.

En su última etapa, Jorge Martínez realizó una búsqueda de candidatos a Agujeros Negros de Masa Intermedia, cuyas masas están entre 100 y 1.000.000 de veces la masa del Sol. “Esto es sumamente importantes para entender el proceso de formación de agujeros negros súper masivos presentes en el centro de las galaxias. Mediante una selección de variabilidad, encontramos una muestra de cerca de 500 galaxias candidatas a alojar agujeros negros de este tipo. La población de estos tipos de agujeros negros conocidos es pequeña, por lo tanto es de suma importancia incrementarla utilizando nuevos métodos de selección como el nuestro”, aseguró.

Para su investigación, el astrónomo utilizó el cluster Leftraru del Laboratorio Nacional de Computación de Alto Desempeño (NLHPC) ubicado en el Centro de Modelamiento Matemático (CMM). “Este fue de suma importancia para almacenar y analizar todos los datos del survey HiTS, los cuales en total suman más de 50 TB”, afirmó.

UNA GRATA EXPERIENCIA

Tras finalizar sus estudios, Jorge viajará a Estados Unidos, donde obtuvo por los próximos tres años una posición postdoctoral en la Universidad de California Berkeley (UC Berkeley), en el departamento de Astronomía, bajo la supervisión del profesor Joshua Bloom. Con él y su grupo de trabajo continuará trabajando en el área de Ciencia de los Datos aplicado a astronomía, desarrollando herramientas de aprendizaje de máquinas para el análisis de datos astronómicos.

Con respecto a su experiencia en el postgrado de la Universidad de Chile, asegura que su experiencia fue grata. “Personalmente, mis expectativas fueron cumplidas durante mi paso por el DAS. Creé redes de colaboración muy buenas que me permitirán desenvolverme en el futuro laboral. Conocí grandes compañeros que han pasado a ser grandes amigos. Fue muy interesante compartir con compañeros extranjeros y de distintas generaciones. Destaco mucho los amigos que hice durante los primeros años del posgrado, fue con ellos con quien pasé la mayor parte del tiempo y siempre nos apoyamos mucho”, aseguró.

De izquierda a derecha: Francisco Forster (Académico CMM), Jorge Martínez ((Ph.D. DAS), Valentino González (Académico DAS) y Paulina Lira (Académica DAS)