Un equipo del ICCUB encuentra 582 nuevos cúmulos abiertos de estrellas

Título

Mapa de densitat d'estrelles amb les dades de Gaia

Créditos

Kevin Jardine (@galaxy_map)

Publicada

26/03/2020

El grupo de investigadores, liderado por Alfred Castro-Ginard, ha encontrado 582 nuevos cúmulos estelares utilizando los datos de la misión Gaia.

Los cúmulos estelares son grupos de estrellas gravitacionalmente unidas entre sí, que se formaron en un mismo evento y por lo tanto tienen la misma edad y composición química. El estudio de los cúmulos de estrellas permite entender mejor el origen y evolución de las galaxias, y algunos de ellos también son útiles para determinar las escalas de éstas galaxias. Hay dos tipos de cúmulos estelares; se consideran cúmulos globulares cuando las estrellas que los forman son antiguas, y cúmulos abiertos cuando las estrellas son relativamente jóvenes, generalmente con edades inferiores a unos pocos centenares de millones de años. Los cúmulos abiertos solo se encuentran en las galaxias con forma de espiral o irregulares, que son aquellas en las que hay una formación estelar activa.

Quinientos ochenta y dos de estos cúmulos abiertos son los que ha encontrado un equipo del Instituto de Ciencias del Cosmos. Los datos que han utilizado provienen de la misión Gaia de la Agencia Espacial Europea, en órbita desde 2013. Este paquete de datos es el segundo conjunto que se publica, y se conoce como DR2 por las siglas en inglés de Gaia Second Data Release.

iyf — En color naranja, el número de cúmulos abiertos conocidos
previamente; en gris, los nuevos descubiertos en este estudio.

Los investigadores del estudio han utilizado una metodología nueva, desarrollada a lo largo de los dos últimos años. Alfred Castro-Ginard, miembro del grupo Gaia del ICCUB, es el investigador principal, “Antes no había una metodología para poder detectar estos objetos estelares de manera homogénea, porque no existía un conjunto de datos tan grande y preciso como Gaia”, comenta. El equipo desarrolló un método basado en la minería de datos – machine learning- que probó en dos ocasiones; la primera en un conjunto reducido de datos (artículo publicado en 2018) y la segunda, en una región concreta de la galaxia (artículo publicado en 2019). “La razón por la cual elegimos este método fue precisamente por el lanzamiento de los datos de Gaia, que incluyen más de mil millones de estrellas. Para poder analizar un volumen de datos así, pensamos que teníamos que automatizar los procesos”.

Este método basado en el machine-learning les permitió, en primer lugar, identificar aquellas partes hiper-densas del disco galáctico. Luego aplicaron un algoritmo que fue señalando, de entre las partes hiper-densas, aquellas candidatas a ser cúmulos abiertos. Finalmente, los investigadores utilizaron una red neuronal de inteligencia artificial que reconocía patrones isocrónicos de color y magnitud para comprobar cada uno de los candidatos. Al final del proceso, consiguieron confirmar 582 nuevos cúmulos abiertos. “Antes de este método, existían alrededor de 1.200 cúmulos abiertos en el disco galáctico. Ahora, combinando la enorme cantidad de datos de Gaia con nuestra metodología, hemos conseguido encontrar 650 nuevos cúmulos –23 en el primer estudio de 2018, 53 publicado en el segundo artículo en 2019, y 582 ahora”, explica Castro-Ginard. “Tener un catálogo completo de los cúmulos abiertos y demás objetos estelares de nuestra galaxia nos permite estudiar mejor aquellas regiones donde hay formación estelar activa, o calcular ciertos parámetros como la función de masa inicial en los cúmulos jóvenes. También nos permite conocer los mecanismos a través de los cuales estos cúmulos se forman y se disuelven en le campo”.

Alfred Castro-Ginard trabaja actualmente en su tesis doctoral, aplicando técnicas de minería de datos a los datos que provienen de Gaia, con el objetivo de detectar patrones de formación en los cúmulos abierto, y profundizar en el conocimiento de la estructura de la galaxia. También trabaja en el proceso de validación de los datos de Gaia como miembro del grupo de trabajo DPAC.