Detecção Automática de Exoplanetas por Meio de Algoritmos de Aprendizado de Máquina Baseados em Séries Temporais

Trabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Ciências da Vida e da Natureza da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Física.Missões espaciais têm contribuído muito na coleta de dados e impulsionado novas descobertas sobre diversos fenômenos existentes no universo. Um desses fenômenos é o trânsito planetário, que quando identificado permite aos astrônomos realizar a descoberta de exoplanetas. Projetos como o Kepler possibilitaram o rápido armazenamento de uma grande quantidade de dados temporais, especialmente na forma de curvas de luz. Nesse contexto, tornou-se cada vez mais comum a criação de processos automáticos para a análise desses dados, como a aplicação de técnicas de aprendizado de máquina. No entanto, para compreender adequadamente os eventos contidos em informações temporais, é fundamental a utilização de métodos específicos para o tratamento desse tipo de dado. Portanto, neste trabalho, com o objetivo de identificar exoplanetas de modo automático a partir de curvas de luz, propusemos o estudo de algoritmos de aprendizado de máquina baseados em séries temporais. Realizamos uma avaliação experimental utilizando 5302 curvas de luz, das quais 2195 são rotuladas como exoplanetas e 3107 são representantes de outros objetos celestes. Também, avaliamos 11 algoritmos de classificação, sendo 6 algoritmos tradicionais e 5 baseados em séries temporais. Como resultado, verificamos que os melhores desempenhos, em termos de acurácia, foram dos algoritmos específicos para séries temporais, com destaque para o Time Series Forest