Introducing SESHAT: A Tool for Object Classification from JWST Catalogs

Este trabajo presenta SESHAT, una herramienta de aprendizaje automático basada en XGBoost que clasifica diversos objetos astronómicos a partir de catálogos de fotometría del telescopio JWST con una precisión mínima del 85%, validándose en datos reales y disponible como un paquete de Python de código abierto.

Lo esencial

¡Hola! Imagina que el Telescopio Espacial James Webb (JWST) es como un ojo gigante y súper potente que acaba de abrirse en el cielo. Este ojo puede ver cosas increíbles: estrellas bebés, estrellas ancianas, planetas fallidos y galaxias lejanas. Pero hay un problema: este ojo tiene 38 filtros diferentes (como lentes de colores distintos) y cada vez que apunta a un lugar, puede usar una combinación única de ellos.

Es como si tuvieras una cámara con 38 lentes distintos y, cada vez que tomas una foto, usas una mezcla diferente. El problema es que, para saber qué es lo que estás viendo en la foto (¿es una estrella bebé o una galaxia lejana?), los métodos antiguos de los astrónomos eran como intentar adivinar el color de un objeto solo mirando dos lentes a la vez. Si usabas lentes diferentes, tenías que empezar de cero y crear nuevas reglas para cada foto. ¡Imagina el caos!

Aquí es donde entra SESHAT.

¿Qué es SESHAT?

Piensa en SESHAT como un detective de inteligencia artificial muy listo. Su nombre completo es una frase larga, pero en realidad es una herramienta diseñada para clasificar todo lo que ve el telescopio Webb.

En lugar de usar reglas fijas y aburridas, SESHAT usa un método llamado aprendizaje automático (machine learning). Imagina que le enseñamos a este detective a reconocer a "personajes" del universo:

1. Estrellas Bebés (YSO): Estrellas que acaban de nacer y están envueltas en nubes de polvo.
2. Estrellas de Campo: Estrellas normales, como nuestro Sol, en todas sus etapas de vida.
3. Enanas Marrones: Objetos que son como un híbrido entre un planeta gigante y una estrella pequeña (son "estrellas fallidas").
4. Enanas Blancas: Los cadáveres brillantes de estrellas que ya murieron.
5. Galaxias: Islas gigantes de miles de millones de estrellas.

¿Cómo funciona este detective?

En lugar de darle al detective una lista de reglas, le mostramos millones de fotos simuladas (imágenes de computadora) de cómo se verían estos objetos con cualquier combinación de lentes que el telescopio pueda usar.

• La analogía del "Cambio de Lentes": Imagina que tienes una caja de herramientas con 38 destornilladores. Si necesitas apretar un tornillo, no importa cuál uses; SESHAT sabe cómo funciona la herramienta que tienes en la mano en ese momento. Si el telescopio usa lentes rojos y azules, SESHAT aprende a usar esos. Si usa lentes verdes y violetas, SESHAT se adapta instantáneamente.
• El entrenamiento: Antes de salir al campo, SESHAT practicó con modelos de computadora que imitan la realidad. Aprendió que una estrella bebé suele verse muy roja y brillante en ciertos lentes, mientras que una galaxia antigua se ve diferente.

¿Por qué es tan genial?

1. No necesita "medir la distancia": A veces, los astrónomos necesitan saber exactamente qué tan lejos está algo para saber qué es. SESHAT es tan listo que puede decirte "¡Eso es una estrella bebé!" solo mirando sus colores, sin necesidad de saber la distancia exacta.
2. Maneja datos incompletos: En el espacio, a veces una foto sale borrosa o falta un pedazo de información (como si te faltara un ojo al mirar). SESHAT puede trabajar incluso si le faltan algunos datos, algo que los métodos antiguos no podían hacer bien.
3. Prueba tus ideas antes de gastar dinero: Antes de que un astrónomo envíe una propuesta para usar el telescopio Webb (que es muy caro y limitado en tiempo), puede usar SESHAT para decir: "Si uso estos 5 lentes específicos, ¿podré encontrar estrellas bebés?". SESHAT simula la respuesta y les dice: "Sí, funcionará" o "No, necesitas otro lente".

Los Resultados

Los creadores de SESHAT lo probaron con datos reales de regiones donde nacen estrellas y de campos lejanos del universo.

• Precisión: Logró identificar correctamente al menos al 85% de los objetos en cada categoría, ¡incluso sin usar información extra sobre la forma de los objetos!
• El caso de las "Estrellas Fallidas": En un campo de galaxias lejano, SESHAT encontró al 100% de las enanas marrones que otros astrónomos habían encontrado con métodos difíciles, y además les dijo qué eran los demás objetos que antes estaban etiquetados como "desconocidos".

En resumen

SESHAT es como un traductor universal para el lenguaje de los colores del universo. Con el telescopio Webb ofreciendo tantas formas diferentes de mirar el cielo, SESHAT es la herramienta que nos permite entender rápidamente qué estamos viendo, sin importar qué "lentes" hayamos usado para tomar la foto. Es una herramienta gratuita que cualquier astrónomo puede usar para ordenar el caos de datos que nos envía el telescopio más potente de la historia.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Introducing SESHAT: A Tool for Object Classification from JWST Catalogs" en español.

Resumen Técnico: SESHAT (Herramienta de Evaluación Heurística de la Etapa Evolutiva Estelar)

1. El Problema

El Telescopio Espacial James Webb (JWST) ha abierto nuevas posibilidades para la detección de clases amplias de objetos astronómicos, pero ha introducido desafíos significativos en su clasificación.

• Diversidad de Filtros: Con 38 filtros fotométricos diferentes, cada observación del JWST puede utilizar una combinación única de filtros. Los métodos tradicionales de clasificación, que dependen de cortes fijos en el espacio de color y magnitud (diagramas color-color), no son escalables ni consistentes cuando cada observación tiene un conjunto de filtros distinto.
• Limitaciones de Métodos Tradicionales: Los métodos clásicos suelen limitarse a dos dimensiones y requieren definir nuevos cortes de color para cada observación, lo que puede llevar a una impureza significativa en las clasificaciones asignadas.
• Necesidad de Robustez: En la era de los "big data", donde se descubren miles de fuentes por imagen, se necesita un método robusto capaz de identificar objetos (como Objetos Estelares Jóvenes - YSOs, estrellas de campo, enanas marrones, enanas blancas y galaxias) sin depender de la distribución espacial o la elipticidad, utilizando únicamente fotometría.

2. Metodología

El artículo presenta SESHAT, una herramienta basada en aprendizaje automático diseñada para clasificar objetos en cualquier conjunto de datos del JWST (o Spitzer/2MASS), independientemente de los filtros disponibles.

• Algoritmo: Se utiliza XGBoost (Gradient Boosting), un método de aprendizaje basado en árboles de decisión.
  • Ventajas: Maneja nativamente valores faltantes (comunes en fotometría debido a saturación o cobertura incompleta) sin necesidad de imputación, evita el sobreajuste mediante parámetros de parada temprana y evalúa todas las dimensiones posibles de los datos de entrada.
• Generación de Datos de Entrenamiento (Modelos Sintéticos):
  • Dado que no existen datos reales con todos los filtros posibles para entrenar, se utilizan modelos sintéticos de espectros de energía (SED) que se convolucionan con las funciones de respuesta de los filtros del JWST, Spitzer y 2MASS.
  • Categorías de Modelos:
    • YSOs: Modelos Hyperion (Richardson et al. 2024) ajustados a nubes cercanas (Taurus, Ofiuco, etc.), variando edad, metalicidad, masa del envoltorio, etc.
    • Estrellas de Campo: Modelos de evolución estelar Padova PARSEC (12,000 modelos) cubriendo desde la secuencia principal hasta la rama asintótica gigante (AGB).
    • Enanas Marrones: Modelos evolutivos del equipo ATMO (510 modelos) con masas entre 0.001 y 0.075 $M_{\odot}$.
    • Enanas Blancas: Modelos de Blouin et al. (2018) ajustados a las 395 enanas blancas más cercanas.
    • Galaxias: Modelos del grupo CIGALE que incluyen variaciones en historia de formación estelar, metalicidad, corrimiento al rojo (z=0-10) y presencia de AGN (7,815 modelos).
• Efectos Realistas:
  • Se aplican extinción interestelar (basada en distribuciones log-normales y leyes de potencia) y emisión de Hidrocarburos Aromáticos Policíclicos (PAH) a los modelos sintéticos para simular condiciones realistas en regiones de formación estelar.
  • Se añade ruido gaussiano basado en los errores de los datos reales de entrada.
• Entrenamiento y Validación:
  • El conjunto de entrenamiento se compone de 40,000 fuentes (sobremuestreadas para equilibrar clases raras como enanas marrones y blancas).
  • Se utiliza un 12.5% de los datos sintéticos restantes para validación y otro 12.5% para pruebas.
  • Se inyectan valores nulos (missing data) deliberadamente en el entrenamiento para que el modelo aprenda a manejar filtros faltantes.

3. Contribuciones Clave

• Herramienta de Código Abierto: SESHAT se libera como un paquete de Python (seshat-classifier) disponible en PyPI y Zenodo.
• Flexibilidad de Filtros: A diferencia de los métodos tradicionales, SESHAT puede adaptarse dinámicamente a cualquier combinación de filtros disponible en los datos de entrada.
• Salidas Probabilísticas: En lugar de solo asignar una etiqueta, devuelve la probabilidad de pertenencia a cada clase, permitiendo a los usuarios ajustar los umbrales según sus necesidades de pureza o completitud.
• Validación de Propuestas: La herramienta permite a los usuarios probar configuraciones de filtros para propuestas del JWST, verificando si los filtros elegidos son suficientes para identificar la clase de objeto deseada antes de realizar la observación.

4. Resultados

El rendimiento de SESHAT fue validado tanto con datos sintéticos como con datos reales de Spitzer y JWST:

• Rendimiento General (Datos Sintéticos): Se logra una recuperación (recall) mínima del 85% para todas las clases cuando se utilizan filtros óptimos (incluyendo datos de infrarrojo medio).
• Regiones de Formación Estelar (Datos Reales - SESNA):
  • Al comparar con el catálogo SESNA (Spitzer), SESHAT recupera más del 80-85% de YSOs, galaxias y estrellas de campo, siempre que estén disponibles datos de infrarrojo medio (MIPS/MIRI).
  • La ausencia de datos de infrarrojo medio reduce drásticamente la precisión, especialmente para distinguir YSOs de galaxias.
  • Se observa que SESHAT tiende a clasificar correctamente contaminantes esperados (como galaxias no resueltas o estrellas AGB) que los métodos de corte de color podrían malinterpretar.
• Campos Cosmológicos (JWST COSMOS):
  • En la búsqueda de enanas marrones en el campo COSMOS, SESHAT recuperó el 100% de los candidatos previamente identificados por métodos de corte de color (Chen et al. 2025).
  • Clasificó el resto de fuentes no etiquetadas en estrellas de campo (24%), galaxias (75%) y nuevas candidatas a enanas marrones (1%).
• Manejo de Datos Faltantes: El rendimiento disminuye a medida que aumenta la fracción de filtros faltantes, pero el modelo sigue siendo funcional si se incluyen datos de infrarrojo medio.

5. Significado e Impacto

• Adaptabilidad al JWST: SESHAT resuelve el problema de la heterogeneidad de filtros en el JWST, proporcionando un método de clasificación consistente que no requiere redefinir cortes de color para cada observación.
• Eficiencia: Automatiza la clasificación de miles de fuentes en una fracción del tiempo que tomaría a un humano, manteniendo una alta pureza.
• Herramienta de Planificación: Su capacidad para simular el rendimiento de diferentes configuraciones de filtros ayuda a optimizar las propuestas de observación del JWST.
• Limitaciones: La herramienta depende críticamente de los datos de infrarrojo medio para la clasificación de YSOs. Sin estos datos, la precisión cae significativamente. Además, no utiliza información espacial (elipticidad), por lo que se recomienda combinar sus resultados con análisis morfológicos para casos críticos.

En conclusión, SESHAT representa un avance significativo en la astrofísica moderna, permitiendo la explotación eficiente y estandarizada de los vastos catálogos fotométricos generados por el JWST y otras instalaciones, facilitando el descubrimiento y estudio de poblaciones estelares y galácticas diversas.