Detecção de Sistemas de lentes gravitacionais com Deep-learning

O presente trabalho propõe o uso de redes neurais convolucionais para o estudo e detecção de arcos gravitacionais. O objetivo é analisar técnicas e métodos de aprendizagem profunda para classificação de dados em imagens astronômicas simuladas usando redes neurais, treinadas nos dados de duas edições de um do Gravitational Lens Finding Challenge. O intuito é encontrar bons métodos de aprendizagem de máquina que possam auxiliar na detecção do efeito forte de lente em suas várias formas, sobretudo em casos em que o número de dados de treinamento é reduzido. Esta preocupação se faz necessária dado ao número de registros de ocorrência do lenteamento gravitacional ainda estar em ordem de centenas. Inicialmente, intui-se observar a eficiência de uma rede neural do tipo residual (ResNet) na classificação de arcos, conforme o tamanho do conjunto de treino diminui, utilizando a base de dados gerados para a primeira edição do Gravitational Lens Finding Challenge. Dentre os 20.000 objetos disponibilizados para treino, o limite de poucos dados obtido é de que seriam necessários por volta de 100 candidatos de lente para que a arquitetura construída consiga obter uma AUC por volta de 0,8. Constatamos que, para este problema de classificação nesta base de dados, a aumentação de dados se mostrou pouco é ciente na melhora da AUC, enquanto o pré-carregamento de pesos se mostrou bem eficaz. Em seguida, serão explicitadas algumas das estratégias adotadas afim de tentar encontrar o limite de poucos dados para o catálogo da segunda edição do Gravitational Lens Finding Challenge, e aqui entre os 100.000 dados totais de treino, a exigência obtida foi de um conjunto de treino com 10.000 objetos. Por fim, constatamos ainda que a variação do critério da tabela verdade nos dados da segunda edição tem impacto significativo na performance do modelo. Espera-se que as arquiteturas construídas e as estratégias adotadas possam ser úteis em trabalhos futuros de busca de efeito forte de lente, e que os resultados aqui encontrados possam ser cada vez mais refinados.