Clasificación y derivación de propiedades de los AGNs mediante técnicas de aprendizaje automático

Abstract

El uso de algoritmos de Machine Learning se ha consolidado en astronomía como una herramienta esencial capaz de tratar los volúmenes de datos que ésta genera. En este trabajo se explora la aplicación de métodos supervisados y no supervisados en la caracterización de fuentes astronómicas por medio de catálogos multifrecuencias. Así, se usaron DES, VISTA, WISE y XMM-Newton como catálogos principales, además de SDSS y 2MASS en los datos de validación. Se aplicaron técnicas de reducción de dimensionalidad por medio de una PCA, junto a métodos de clustering tales como Random Forest no supervisado y HDBSCAN para analizar la capacidad de separar galaxias, cuásares y estrellas, usando únicamente información fotométrica y flujos en rayos X. Además, se implementaron modelos de regresión basados en Random Forest para la predicción de magnitudes en el infrarrojo medio y de parámetros físicos derivados del ajuste de SEDs con CIGALE tales como la masa estelar, el SFR o la fracción de AGN. Los resultados valoran la incorporación de flujos en rayos X como una mejora sustancial en la separación de poblaciones a costa de la reducción de estas mismas. Como remedio, se añadió el uso de límites superiores, resultando en la introducción de ruido. En regresión, la magnitud K resultó clave para la predicción en el infrarrojo medio y las propiedades como la masa o la luminosidad estelar parecen responder bien a los métodos predictivos. Este estudio confirma la utilidad de los métodos de Machine Learning en astronomía, a la vez que señala sus limitaciones y posibles mejoras con datos más profundos, numerosos y modelos más avanzados.

The use of Machine Learning algorithms has become a consolidated and essential tool in astronomy, capable of handling the large volumes of data generated. In this work, we explore the application of supervised and unsupervised methods for the characterization of astronomical sources through multiwavelength catalogs. The main datasets employed were DES, VISTA, WISE, and XMM-Newton, complemented with SDSS and 2MASS for validation. Dimensionality reduction techniques were applied using PCA, combined with clustering methods such as unsupervised Random Forest and HDBSCAN, to analyze the ability to separate galaxies, quasars, and stars using only photometric information and X-ray fluxes. In addition, Random Forest regression models were implemented to predict mid-infrared magnitudes and physical parameters derived from SED fitting with CIGALE, such as stellar mass, SFR, and AGN fraction. The results highlight the inclusion of X-ray fluxes as a substantial improvement for source separation, although at the cost of reduced sample size. As a solution, upper limits were introduced, but these led to additional noise. For regression tasks, the K-band magnitude proved to be key for mid-infrared predictions, while properties such as stellar mass and luminosity showed good consistency with predictive models. This study confirms the usefulness of Machine Learning methods in astronomy, while also pointing out their limitations and the potential for improvement with deeper, larger datasets and more advanced models.