Última revisión realizada: 26/05/2022

Denominación de la asignatura: Técnicas de Observación e Investigación en Astrofísica II
Postgrado al que pertenece: Máster Universitario en Astrofísica y Dinámica Galáctica
Créditos ECTS: 6
Cuatrimestre en el que se imparte: Segundo
Carácter de la asignatura: Obligatoria

Presentación

Los datos astronómicos son, probablemente, de los más exigentes en su tratamiento posterior de cara a maximizar el retorno científico. La presencia de ruido, las distorsiones introducidas por la instrumentación y la atmósfera terrestre, así como las pobres condiciones de luminosidad y resolución espacial de los objetos a observar, nos obligan a trabajar sobre dichos datos con complejos métodos numéricos para modelarlos adecuadamente.

En los temas primeros temas de la asignatura introduciremos el concepto de PSF o respuesta impulsiva del telescopio, así como diferentes técnicas de procesamiento digital de señal, específicamente diseñados para mejorar y analizar los datos procedentes de la instrumentación astronómica. Asimismo, en la era del Big Data y la Inteligencia Artificial, la astronomía no podía ser ajena a las nuevas técnicas de tratamiento de datos masivos. Los instrumentos y observatorios de nueva generación, como LSST, PLATO o Euclid, producirán tal cantidad de información que su análisis mediante técnicas de aprendizaje automático y aprendizaje profundo se antoja imprescindible, tal y como veremos en los temas intermedios. Los temas finales dotarán al discente de los conocimientos necesarios para entender las características fundamentales del Observatorio Astronómico Robótico (RAO) y sus elementos principales.

Los OAR son observatorios capaces de proporcionar abundante información en diferentes campos de la astrofísica gracias a la posibilidad de monitorizar continuadamente la captura de datos y/o seguimiento de objetos muy diferentes. Sus aplicaciones actuales se centran en objetos que necesitan dispositivos de gran campo, la posibilidad de realizar rápidos movimientos para detectar casi instantáneamente algún evento o conformar una red para monitorizar un objeto continuamente. Entender el funcionamiento de estos observatorios, así como su diseño en base a sus objetivos, proporciona información relevante de las técnicas de ingeniería necesarias en un OAR para desarrollar el conjunto de equipos e infraestructuras.

Competencias básicas

  • CB6: Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9: Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10: Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias generales

  • CG1:Adquirir la capacidad de aplicar los conocimientos avanzados adquiridos para desarrollar tanto actividades de iniciación a la investigación como profesionales en las distintas áreas de la astrofísica.
  • CG2:Ser capaz de describir las tecnologías específicas asociadas a la observación en astrofísica avanzada y al diseño de instrumentación astronómica.
  • CG3:Desarrollar las habilidades y conocimientos necesarios para evaluar y analizar publicaciones científicas diversas en el ámbito de la iniciación a la investigación astrofísica en un contexto teórico adecuado.
  • CG4:Ser competente en la realización de observaciones astronómicas de forma autónoma en los distintos rangos de frecuencia espectral, desde Tierra o desde el espacio o mediante el manejo de técnicas astronómicas.
  • CG5: Aplicar herramientas matemáticas y métodos de análisis avanzados para la iniciación a la investigación partiendo de datos astrofísicos, evaluando los márgenes de error.
  • CG6: Analizar imágenes astronómicas mediante programas informáticos específicos.
  • CG7: Ser capaz de abordar problemas astrofísicos complejos dividiéndolos estructuradamente en tareas abordables.

Competencias específicas

  • CE1: Ser capaz de resolver problemas de astronomía avanzada con el correcto desempeño en el empleo de los sistemas de coordenadas y medición del tiempo.
  • CE2: Describir los mecanismos y procesos específicos por los que objetos y procesos astrofísicos emiten información que pueda ser detectada mediante la instrumentación astronómica adecuada.
  • CE3: Ser capaces de analizar el funcionamiento de sistemas de detección avanzados en observación astronómica.
  • CE4: Adquirir la capacidad para comprender y aplicar conocimientos avanzados de computación y métodos numéricos o computacionales a problemas de astrofísica para resolverlos de la forma más adecuada a cada situación.
  • CE5: Ser capaz de analizar y seleccionar las herramientas y bases de datos más adecuadas para la iniciación a la investigación en astrofísica.

Competencias transversales

  • CT1:Ser capaz de resolver problemas de astronomía avanzada con el correcto desempeño en el empleo de los sistemas de coordenadas y medición del tiempo.
  • CT2: Describir los mecanismos y procesos específicos por los que objetos y procesos astrofísicos emiten información que pueda ser detectada mediante la instrumentación astronómica adecuada.

Tema 1. Formación de la imagen y modelos de ruido

  • Introducción y objetivos
  • Point Spread Function
  • Ecuación de formación de la imagen
  • Modelos de ruido
  • Métodos lineales de deconvolución
  • Referencias bibliográficas

Tema 2. Métodos numéricos de reconstrucción de imagen (I). Descripción Bayesiana, análisis multiescalar y algoritmos para radiointerferometría

  • Introducción y objetivos
  • Algoritmo Richardson-Lucy
  • Inferencia Bayesiana. Métodos de regularización
  • Análisis multiescalar: wavelets
  • Deconvolución en radioastronomía: CLEAN
  • Referencias bibliográficas

Tema 3. Métodos numéricos de reconstrucción de imagen (II). Deconvolución ciega, paramétrica y de PSF variante

  • Introducción y objetivos
  • Deconvolución ciega
  • Deconvolución paramétrica
  • Deconvolución con PSF variante
  • Deconvolución en la era de la Inteligencia Artificial
  • Referencias bibliográficas

Tema 4. Inteligencia artificial y astronomía

  • Introducción y objetivos
  • ¿Qué entendemos por Big Data?
  • Inteligencia artificial, machine learning y deep learning
  • Aprendizaje supervisado y no supervisado
  • Conjunto de entrenamiento, validación y test
  • Métricas de evaluación
  • Big Data en observatorios astronómicos y misiones espaciales
  • Referencias bibliográficas

Tema 5. Aprendizaje profundo en astronomía

  • Introducción y objetivos
  • Redes neuronales y entrenamiento
  • Convolutional Neural Networks
  • Recurrent Neural Networks
  • Aspectos prácticos en el entrenamiento
  • Paquetes de software específico
  • Referencias bibliográficas

Tema 6. Pipelines astronómicas

  • Introducción y objetivos
  • Reflexiones de diseño básicas
  • Algunas consideraciones de diseño
  • Algunas pipelines astronómicas
  • Referencias bibliográficas

Tema 7. El observatorio astronómico

  • Introducción y objetivos
  • Antecedentes
  • Climatología y condiciones atmosféricas
  • Infraestructuras
  • Diseño y ubicación
  • Referencias bibliográficas

Tema 8. Astrofísica robótica

  • Introducción y objetivos
  • Antecedentes
  • Cronología y desarrollo
  • Tecnología de los Observatorios Astronómicos Robóticos
  • Producción y análisis de datos
  • Referencias bibliográficas

Tema 9. Aplicaciones científicas

  • Introducción y objetivos
  • Proyectos de investigación
  • ROA multipropósito
  • ROA Networks
  • Colaboración PROAM
  • Referencias bibliográficas

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

  • Trabajos individuales. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, análisis de textos, etc.
  • Trabajos colaborativos. Son actividades grupales en las que tendrás la oportunidad de trabajar con tus compañeros. Durante el desarrollo de la asignatura tendrás toda la información que necesites sobre cómo organizarte para trabajar en equipo.
  • Participación en eventos. Son actividades programadas todas las semanas del cuatrimestre como clases en directo o foros de debate.
Descargar programación

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

  • Estudio personal
  • Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
  • Examen final presencial u online

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

ACTIVIDADES FORMATIVAS HORAS POR ASIGNATURA % PRESENCIAL
Clases en directo 15 horas 100%
Lecciones magistrales 6 horas 0
Estudio del material básico 62 horas 0
Lectura del material complementario 45 horas 0
Test de evaluación 4 horas 0
Observatorios virtuales 32 horas 0
Tutorías 16 horas 0
Total 180 horas -

Bibliografía básica

Recuerda que la bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca...

Los textos necesarios para el estudio de la asignatura han sido elaborados por UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.

Bibliografía complementaria

  • Espartero, F. (2013). El Observatorio de La Pedriza. [TFM]. Universidad de Granada.
  • Galadí-Enríquez, D., y Gutiérrez-Caballero, J. (2001). Astronomía General. Teoría. Barcelona: Ediciones Omega.
  • Hicks, J. S. (2016). Building a Roll-Off Roof or Dome Observatory: A Complete Guide for Design and Construction. The Patrick Moore Practical Astronomy Series. Springer.
  • Hubbell, G. R., Williams, R. J., and Billard, L. M. (2015). Remote Observatories for Amateur Astronomers: Using High-Powered Telescopes from Home. Springer.
  • Idier, J. (Ed.) (2008). Bayesian Approach to Inverse Problems. Wiley eds.
  • Ivezic, Z., Connolly, A., Vanderplas, J., and Gray, A. (2019). Statistics, Data Mining, and Machine Learning in Astronomy (2nd ed.).Princeton University Press.
  • Kong, L., Huang, T., Zhu, Y., and Yu, S. (Eds.). (2020). Big Data in Astronomy. Scientific Data Processing for Advanced Radio Telescopes. Oxford: Elsevier Inc.
  • Léna, P., Rouan, D., Lebrun, F., Mignard, F., and Pelat, D. (2012). Observational Astrophysics. Springer-Verlag.
  • Moore, P. (1996). Small Observatories Designs and Construction. Springer.
  • Saha, S., Nagaraj, N., and Tripathi, S. (2019). Modelling, Machine Learning and Astronomy. First International Conference, MMLA 2019. Bangalore, India, November 22-23, 2019. Revised Selected Papers. Springer.
  • Starck, J. L, and Murtagh, F. (2002). Astronomical Image and Data Analysis. Springer-Verlag.

El sistema de calificación se basa en la siguiente escala numérica:

0 - 4, 9 Suspenso (SS)
5,0 - 6,9 Aprobado (AP)
7,0 - 8,9 Notable (NT)
9,0 - 10 Sobresaliente (SB)

La calificación se compone de dos partes principales:

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL U ONLINE Y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.

La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.

Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado. En la programación semanal de la asignatura, se detalla la calificación máxima de cada actividad o evento concreto puntuables.

Sistema de evaluación Ponderación min - max
Participación del estudiante (sesiones, foros, tutorías) 5% - 10%
Trabajos, proyectos, laboratorios/talleres y casos 10% - 30%
Test de autoevaluación 5% - 10%
Examen final 60% - 60%

Al tratarse de formación on line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de las actividades y la fecha de exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

  1. Desde el campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual del Curso de introducción al campus virtual. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en UNIR. También podrás organizar tu plan de trabajo con tu tutor personal.
  2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
  3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico del tema correspondiente a esa semana.
  4. Comienza con la lectura del contenido teórico del tema. Este material es el que debes estudiar para superar la asignatura. Consulta, además, las secciones del tema que contienen material complementario: con esto podrás tener una visión más amplia sobre el tema que estás trabajando.
  5. Dedica tiempo al trabajo práctico (sección Actividades). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
  6. Te recomendamos que participes en los eventos del curso (clases en directo, foros de debate, etc.). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu tutor personal te informarán de las novedades de la asignatura.

En el aula virtual del Curso de introducción al campus virtual encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones. También puedes consulltar ahí el funcionamiento de las distintas herramientas del aula virtual: correo, foro, clases en directo, envío de actividades, etc.

Ten en cuenta estos consejos...

  • Sea cual sea tu plan de estudio, accede periódicamente al aula virtual, ya que de esta forma estarás al día de las novedades del curso y en contacto con tu profesor y con tu tutor personal.
  • Recuerda que no estás solo: consulta todas tus dudas con tu tutor personal utilizando el correo electrónico. Además, siempre puedes consultar tus dudas sobre el temario en los foros que encontrarás en cada asignatura (Pregúntale al profesor).
  • ¡Participa! Siempre que te sea posible accede a los foros de debate. El intercambio de opiniones, materiales e ideas nos enriquece a todos.
  • Y ¡recuerda!, estás estudiando con metodología online: tu esfuerzo y constancia son imprescindibles para conseguir buenos resultados. ¡No dejes todo para el último día!