A useful representation of TESS light curves

Resumen Técnico: Una Representación Útil de las Curvas de Luz de TESS

Planteamiento del Problema
La astronomía de dominio temporal moderna enfrenta un cuello de botella no en la adquisición de datos, sino en la capacidad de organizar, comparar e interpretar curvas de luz a gran escala. Mientras que sondeos como TESS proporcionan millones de curvas de luz de alta cadencia, los enfoques tradicionales que dependen de la ingeniería explícita de características (periodos, amplitudes, coeficientes de Fourier) imponen priores fuertes sobre la variabilidad y a menudo pasan por alto estructuras no capturadas por descriptores predefinidos. Por el contrario, los enfoques de aprendizaje profundo a menudo carecen de interpretabilidad y requieren taxonomías fijas. Los autores buscan una representación que sea computacionalmente eficiente, interpretable y capaz de mapear curvas de luz crudas y desdobladas de TESS en un espacio de baja dimensión donde la proximidad refleje una similitud morfológica genuina, sin utilizar etiquetas ni información de periodo explícita como entradas.

Metodología
Los autores proponen una tubería que transforma las curvas de luz crudas en un mapa discreto que preserva la topología, utilizando una combinación de extracción de características determinista, reducción de dimensionalidad y agrupamiento no supervisado.

1. Preprocesamiento de Datos: El estudio utiliza las curvas de luz PDCSAP de 2 minutos de cadencia de TESS. Los autores imponen un criterio de continuidad, seleccionando segmentos contiguos de 4096 puntos (con brechas limitadas) para satisfacer los requisitos de las Transformadas de Dispersión. Las curvas de luz se desestiman eliminando un ajuste lineal a través de medias agrupadas recortadas a 5-sigma, resultando en un vector normalizado con un flujo medio de uno.
2. Extracción de Características: Se evalúan dos familias de representaciones:
   • Gráficos de Cuantiles (QGs): El rango de flujo se discretiza en $q$ cuantiles. Las transiciones entre cuantiles a lo largo de pasos de tiempo específicos ($k$) se cuentan para formar matrices de adyacencia. Este método es determinista, no requiere entrenamiento y escala linealmente con la longitud de los datos.
   • Transformadas de Dispersión (STs): Un método basado en wavelets (utilizando wavelets de Morlet) que genera una jerarquía de coeficientes que capturan la estructura temporal multiescala mientras suprimen la sensibilidad de fase.
3. Reducción de Dimensionalidad: Se aplica Análisis de Componentes Principales (PCA) a los vectores de características de alta dimensión (ya sea QG o ST), reteniendo los 200 componentes principales para reducir el ruido y acelerar el entrenamiento.
4. Mapeo a Mapas Autoorganizados (SOM): Las características reducidas se proyectan sobre una red SOM hexagonal de $13 \times 13$ (169 nodos). El SOM organiza los datos de tal manera que los nodos cercanos representan morfologías de curvas de luz similares.
5. Selección del Modelo: Se evaluaron aproximadamente 1.500 configuraciones de modelos utilizando una combinación de diagnósticos de incrustación estándar (Error de Cuantización, Error Topológico, Confiabilidad, Continuidad) y una nueva métrica de Cohesión de Forma. La métrica de Cohesión de Forma mide la distancia mediana de correlación cruzada cíclica entre curvas de luz plegadas por periodo asignadas al mismo nodo, favoreciendo mapas donde los nodos contienen fuentes morfológicamente similares.

Resultados Clave

• Modelo Seleccionado: La configuración óptima utiliza Gráficos de Cuantiles con 15 cuantiles y 8 valores de salto, seguidos de reducción por PCA y un SOM de $13 \times 13$. Este modelo fue seleccionado por su equilibrio entre estabilidad, interpretabilidad y rendimiento en todas las métricas de evaluación.
• Aplicación al Conjunto de Datos: La tubería se aplicó a $\sim 1,5$ millones de curvas de luz de 2 minutos de cadencia de TESS. El mapa resultante organiza las fuentes principalmente por amplitud de variabilidad, relación señal-ruido (SNR), escala de tiempo característica (periodo) y forma de la curva de luz.
• Estabilidad y Persistencia: El análisis de observaciones repetidas (estrellas observadas en múltiples sectores) revela que la mayoría de las fuentes ocupan regiones estables y contiguas del mapa. La relación entre nodos distintos visitados y el número de sectores observados está cerca del límite ideal de 1, lo que indica que la representación captura propiedades astrofísicas persistentes en lugar de ruido o sistematismos.
• Detección de Anomalías: La distancia de una curva de luz desde su Unidad Mejor Coincidente (BMU) dentro de un nodo ($D_{bmu}$) sirve como un indicador útil de la calidad de la pertenencia. Los valores altos de $D_{bmu}$ se correlacionan con una pureza visual menor, permitiendo la identificación de valores atípicos o fenómenos transitorios que hacen que una fuente se desplace entre nodos a través de los sectores.
• Interfaz Web: Se desarrolló una herramienta interactiva (tess-l8) para permitir a los usuarios inspeccionar nodos, visualizar curvas de luz medoides (plantillas representativas), navegar por los vecinos más cercanos y rastrear estrellas individuales a través de los sectores.

Significado y Afirmaciones
Los autores posicionan este trabajo no como un reemplazo de los catálogos de clasificación existentes o de las tuberías de búsqueda de periodos, ni como un espacio latente universal para todas las series temporales astronómicas. En cambio, el significado radica en proporcionar un mapeo simple, transparente y computacionalmente eficiente que preserva estructuras significativas en grandes conjuntos de datos.

El artículo afirma que:

1. Los codificadores deterministas (específicamente los Gráficos de Cuantiles) pueden producir una estructura útil e interpretable en datos de series temporales a gran escala sin necesidad de entrenar redes neuronales complejas.
2. La representación resultante sirve como una herramienta práctica para el análisis exploratorio, el control de calidad y la detección de anomalías, permitiendo una navegación guiada por humanos de muestras masivas de curvas de luz.
3. El mapa captura con éxito propiedades persistentes (amplitud, escala de tiempo, forma) mientras permanece robusto ante el ruido, como lo demuestra la estabilidad de las observaciones repetidas.
4. El enfoque demuestra que una organización discreta de baja dimensión puede resumir eficazmente la diversidad de la variabilidad de TESS, facilitando la construcción de conjuntos de entrenamiento y el descubrimiento de fuentes inusuales sin depender de etiquetas preexistentes.