Eclipsing binary classification with machine learning techniques

A continuación presento un resumen técnico detallado del artículo "Eclipsing binary classification with machine learning techniques" (Clasificación de binarias eclipsantes con técnicas de aprendizaje automático), publicado en Contrib. Astron. Obs. Skalnaté Pleso (2025), por B. Keskin y Ö. Baştürk.

1. Problema y Contexto

El estudio aborda el desafío crítico de procesar y analizar los masivos volúmenes de datos generados por grandes sondeos fotométricos del cielo (como las misiones Kepler, TESS y Gaia). La clasificación manual de las curvas de luz de las binarias eclipsantes (EB) es impráctica debido a la escala de los datos. El objetivo principal es desarrollar un método automatizado y reproducible para clasificar estas estrellas basándose en la morfología de sus curvas de luz, permitiendo una interpretación eficiente de los datos astronómicos modernos.

2. Metodología

Datos de Entrenamiento y Validación

• Fuentes: Se utilizaron los catálogos de binarias eclipsantes de la Universidad de Villanova para las misiones Kepler y TESS.
• Muestra de Entrenamiento: Se seleccionaron 2,907 curvas de luz de Kepler y 4,349 de TESS.
• Etiquetado: Las curvas se etiquetaron según un parámetro de morfología (morph) definido por Matijevič et al. (2012):
  • Desconectadas (Detached - D): morph < 0.5
  • Semidesconectadas (Semidetached - SD): 0.5 < morph < 0.7
  • Sobrecontacto (Overcontact - OC): 0.7 < morph < 0.8
  • Elipsoidales (Ellipsoidal - E): morph > 0.8
• Preprocesamiento: Las curvas de luz se plegaron en fase (phase-folded) utilizando elementos orbitales de los archivos de Villanova y se binnearon uniformemente para estandarizar la resolución.

Datos de Prueba (Gaia DR3)

• Se seleccionó una muestra de 2,106 candidatos a binarias eclipsantes del archivo Gaia DR3.
• De esta muestra, 789 provenían de Kepler y 1,317 de TESS, lo que permitió una validación cruzada entre las clases etiquetadas y las predichas.
• Preprocesamiento específico para Gaia: Dado que los datos de Gaia tienen características de muestreo y escalado de intensidad diferentes, se aplicó un modelado basado en una combinación de dos funciones gaussianas y una función coseno (siguiendo a Mowlavi et al., 2023) antes de la clasificación.

Modelo de Aprendizaje Automático

• Enfoque: Se transformaron las curvas de luz en archivos de imagen (PNG) para utilizar una arquitectura de Red Neuronal Convolucional (CNN).
• Arquitectura: Se utilizó VGG-19, un modelo preentrenado de la Universidad de Oxford, conocido por su capacidad para extraer características sutiles (variaciones de amplitud, forma y periodicidad).
• División de Datos:
  • 67% para entrenamiento.
  • 25% para validación.
  • 8% para prueba.
• Técnicas de Regularización: Se emplearon Early Stopping (parada temprana) y Reduce LR on Plateau (reducción de la tasa de aprendizaje en meseta) para evitar el sobreajuste (overfitting).

3. Resultados

• Rendimiento en Datos de Entrenamiento (Kepler/TESS): El modelo alcanzó una precisión del 91% en los datos de prueba de Kepler y TESS.
• Rendimiento en Datos de Gaia: La precisión bajó al 64% al aplicar el modelo a la muestra de Gaia DR3.
• Análisis de Confusión:
  • El modelo fue altamente exitoso en la clasificación de la clase Semidesconectada (SD).
  • Se observó una tendencia a clasificar erróneamente las binarias de Sobrecontacto (OC) como Semidesconectadas (SD).
• Causa del Desempeño en Gaia: Los autores atribuyen la menor precisión en Gaia a la inconsistencia en el modelado. Las curvas de luz de entrenamiento (Kepler/TESS) no fueron modeladas exactamente de la misma manera que las de Gaia (que requieren el ajuste gaussiano-cosínico específico), lo que afectó la capacidad del modelo para generalizar.

4. Contribuciones Clave

1. Prueba de Concepto: Establecen un marco viable para la clasificación automatizada de binarias eclipsantes utilizando CNNs (VGG-19) aplicadas a imágenes de curvas de luz.
2. Identificación de Desafíos: Demuestran que la consistencia en el preprocesamiento y modelado de los datos es tan crítica como la arquitectura del modelo. La disparidad en el tratamiento de los datos entre diferentes misiones (Kepler/TESS vs. Gaia) es un obstáculo significativo para la generalización.
3. Análisis de Robustez: Confirman que, a pesar de las variaciones inducidas por manchas estelares (que son de baja amplitud comparadas con los eclipses principales), la precisión de la clasificación se mantiene similar en diversos tipos de curvas de luz.

5. Significado y Futuro

Este estudio es fundamental para la astronomía de grandes volúmenes de datos, ya que ofrece una ruta hacia el procesamiento estadísticamente reproducible de catálogos masivos. Aunque la precisión actual en datos de Gaia es moderada, el trabajo subraya la necesidad de:

• Expandir los conjuntos de datos de entrenamiento con archivos de observación adicionales.
• Implementar técnicas de modelado más homogéneas (como suavizado y ajuste de modelos analíticos) para todos los conjuntos de datos antes de la clasificación.
• Integrar análisis armónicos y efectos de modulación (reflexión, deformación elipsoidal) para mejorar la precisión en la determinación de parámetros del sistema.

En resumen, el artículo valida el potencial del aprendizaje profundo en la astronomía estelar, pero advierte que la estandarización del preprocesamiento de datos es el paso crítico para lograr una clasificación robusta en misiones heterogéneas como Gaia.