Ir al contenido

Dialnet


Investigación del problema inverso de reconstrucción tomográfica en óptica adaptativa para astronomía a través de técnicas de minería de datos e inteligencia artificial

  • Autores: Marlon Gómez Victoria
  • Directores de la Tesis: Fernando Sánchez Lasheras (dir. tes.), Francisco Javier de Cos Juez (dir. tes.)
  • Lectura: En la Universidad de Oviedo ( España ) en 2015
  • Idioma: español
  • Materias:
  • Enlaces
    • Tesis en acceso abierto en: RUO
  • Resumen
    • En toda investigación en reconstrucción de imágenes de objetos astronómicos mediante telescopios ubicados en la tierra, se desarrollan los mismos conceptos usados desde ya hace varios siglos. Aunque, las ideas han sido modificadas con el transcurso del tiempo adaptandolas a las herramientas existentes en nuestra época. La óptica adaptativa (AO) es una técnica que logra corregir las perturbaciones más importantes que sufren los telescopios al realizar la reconstrucción de imágenes astronómicas. La reconstrucción tomográfica en AO es un proceso matemático que permite estimar el volumen de turbulencia en la atmósfera a partir de la medición de porciones de ella mediante el uso de estrellas guías naturales o artificiales. Gracias al rapido avance tecnológico y al amplio constructo teórico al alcance de todos los investigadores interesados en esta rama del conocimiento se han proporcionado soluciones óptimas a estos y otros problemas que se presentan en la reconstrucción de imágenes. En este sentido, la idea fue realizar una introducción histórica y teórica de conceptos relevantes en nuestra investigación. Inicialmente se desarrollaron ideas afines con la AO tales como: turbulencia atmosferica, espacio de probabilidad, constantes a tener en cuenta en la turbulencia, etc... También se mostraron los criterios y herramientas usados para solventar los problemas técnicos inducidos por la AO en telescopios. Para terminar con los elementos que componen los sistemas AO. Luego, se definieron conceptos sobre métodos biológicos de procesado de la información en inteligencia artificial. Entre los más relevantes que se tienen en este grupo se encuentran lógica difusa, algoritmos genéticos y las redes neuronales artificiales haciendo énfasis en esta última. Después de esto, lo siguiente fue describir el diseño, uso y concepción del reconstructor usado en esta investigación sintetizado así: el reconstructor se llamó CARMEN (reconstructor atmosferico complejo basado en aprendizaje de máquina), diseñado mediante lenguaje de programación R haciendo uso de la librería AMORE. Los resultados obtenidos por CARMEN han sido objeto de publicaciones en revistas de divulgación tales como Optics express y la revista notas mensuales de la real sociedad astronómica MNRAS, Universidad de Oxford (Open loop tomography with artificial neural networks on CANARY: on-sky results ). Así como también se han presentado en el congreso de la sociedad internacional de óptica y fotónica SPIE (Tomographic reconstructor for multi-object adaptive optics using artificial neural networks ). En estos trabajos se ha mostrado que CARMEN es capaz de competir con otros reconstructores tales como (L&A) y (LS). De esta manera, los resultados obtenidos han abierto un nuevo horizonte en el proceso de conceptualización, desarrollo e implementación de ANN en sistemas AO multi objeto los cuales funcionan en lazo abierto llamados MOAO. Sistemas que constituyen a día de hoy un objeto de estudio para la implemetación en la nueva generación de telescopios extremadamente largos denominados E-ELT.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno