Makine öğrenmesi teknikleri ile örten çift yıldız algılama ve sınıflandırma

Abstract

Bu tez çalışmasında büyük astronomi arşivlerindeki örten çift yıldızların makine öğrenmesi teknikleriyle sınıflandırılması hedeflenmiştir. Gaia DR3 arşivindeki örten çift yıldızların yaklaşık 48 bin kadarı görsel inceleme ile ışık eğrisi biçimine (EA, EB, EW) göre etiketlendi. 40 bin kadarı eğitim/doğrulama için, 8 bin kadarı da test için ayrıldı. Işık eğrilerinin hem görsellerini hem de geometrik model parametrelerini aynı anda işleyen çok modlu (multimodal) makine öğrenmesi modeli oluşturuldu. Etiketli veri ile çok modlu model eğitildi. Eğitilmiş model ile Gaia DR3 arşivindeki yaklaşık 2 milyon örten çift yıldız ışık eğrisi biçimine (EA, EB, EW) göre otomatik olarak sınıflandırıldı. Kepler ve TESS arşivlerindeki örten çift yıldızlar morfoloji parametresine (Ayrık, Yarı-ayrık, Aşırı Değen, Elipsoidal) göre etiketlendi. Işık eğrilerinin görselleri ile görüntü sınıflandırma için özel olarak geliştirilmiş VGG-19 modeli eğitildi. Test verisinde %91 doğruluk elde edildi. Eğitilmiş model ile Kepler ve TESS arşivleri ile Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldız tahmin edildi, %64 doğruluk elde edildi. Kepler, TESS ve Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldızın ışık eğrileri 11 kosinüs terimli Fourier serisi ile modellendi. Örten çift yıldızlar morfoloji parametresine (Ayrık, Yarı-ayrık, Aşırı Değen, Elipsoidal) göre etiketlendi. Kepler ve TESS örten çift yıldızlarının Fourier katsayıları ile makine öğrenmesi modeli eğitildi. Test verisinde %65 doğruluk elde edildi. Eğitilmiş model ile Kepler ve TESS arşivleri ile Gaia DR3 arşivinde ortak bulunan 2106 örten çift yıldız tahmin edildi, %33 doğruluk elde edildi. Kepler arşivinde bulunan örten çift yıldızlar Fourier katsayılarına göre kümelendirildi. Yıldızlar 3 kümeye ayrıldı ve ışık eğrisi biçimine (EA, EB, EW) göre yapılan sınıflandırma ile ilişkisi araştırıldı.