Aprendizagem de máquina aplicada para a dinâmica de corpos menores
Carregando...
Data
Autores
Orientador
Carruba, Valerio 
Coorientador
Domingos, Rita de Cássia
Pós-graduação
Física e Astronomia - FEG
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Este trabalho aborda o uso de inteligência artificial e deep learning para a classificação
de imagens de argumentos ressonantes de asteroides. O argumento de ressonância é uma
combinação linear de ângulos orbitais cujo comportamento (libração ou circulação) ca-
racteriza a existência e a dinâmica de uma ressonância. A seção seguinte apresenta seis
resumos baseados em artigos publicados: um como autor principal e os demais como co-
autor, com exceção de um, no qual não houve contribuição direta, presente no capítulo
intitulado Aplicações. A pesquisa enfrentou o desafio do grande volume de dados astronô-
micos, como os gerados pelos levantamentos Zwicky Transient Facility e Legacy Survey
of Space and Time, que tornam inviável a classificação manual. O estudo aplicou Redes
Neurais Convolucionais e, de forma inovadora, Vision Transformers (ViT). Os resultados
incluem a identificação de novas famílias de asteroides jovens, a melhoria da classificação
com imagens digitalmente filtradas e a demonstração da superioridade dos modelos ViT e,
em certas tarefas, dos Large Language Models (LLM). O trabalho também avaliou o risco
de colisão de asteroides coorbitais de Vênus com a Terra.
Resumo (inglês)
This work addresses the use of artificial intelligence and deep learning for classifying images
of asteroid resonance arguments. A resonance argument is a linear combination of orbital
angles whose behavior (libration or circulation) characterizes the existence and dynamics
of a resonance. The following section presents six summaries based on published articles:
one as the first author and the others as coauthor, except for one in which there was
no direct contribution, included in the chapter entitled Applications. The research faced
the challenge of handling large volumes of astronomical data, such as those produced by
the Zwicky Transient Facility and the Legacy Survey of Space and Time, which make
manual classification unfeasible. The study employed Convolutional Neural Networks and,
innovatively, Vision Transformers (ViT). The results include the identification of new
families of young asteroids, the improvement of classification performance using digitally
filtered images, and the demonstration of the superiority of ViT models and, in certain
tasks, of Large Language Models (LLM). The work also evaluated the collision risk of Venus
co-orbital asteroids with Earth. The results confirm deep learning as an indispensable tool
in astronomy.
Descrição
Palavras-chave
Redes Neurais, Classificação de Imagens, Aprendizado de Máquina, Asteroides, Astronomia, Inteligência artificial, Redes neurais (Computação)
Idioma
Português
Citação
ALVES, Abreuçon Atanasio. Aprendizagem de máquina aplicada para a dinâmica de corpos menores. Orientador: Valerio Carruba; Rita de Cássia Domingos. 2025. 241f. Tese (doutorado em Física e Astronomia) - Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2025.
