1/1/2020 - 31/12/2022
El objetivo general del proyecto consiste en extraer información útil a partir del uso de diversas técnicas de minería de datos ("dataminig", DM) y aprendizaje automático ("machine learning", ML) sobre grandes volúmenes de datos astronómicos. Se efectuará un enfoque multidisciplinario para comparar, compartir y enriquecer el conocimiento y las dificultades que afrontan diferentes áreas de la astronomía al aplicar dichas técnicas. Se pretende consolidar un grupo de trabajo especializado que pueda abordar la temática propuesta en forma eficiente. En el proyecto se analizarán datos espaciales y temporales estructurados en bases de datos, ya que este tipo de datos son los de mayor interés en astronomía. En particular, se analizarán datos correspondientes a las áreas de la Alta Atmósfera Terrestre y de Sistemas Estelares. En el primer caso, el objetivo específico consiste en describir y predecir el comportamiento ionosférico en sus valores medios y a tiempo real, de una forma sistemática a partir de los parámetros observados del perfil de densidad electrónica de la ionósfera terrestre. Para el caso de los Sistemas Estelares, se estudiarán numerosas agrupaciones estelares muy jóvenes a partir de datos fotométricos, y eventualmente astrométricos y espectroscópicos, de regiones extendidas de la Vía Láctea y/o de galaxias vecinas. En sucesivas fases del proyecto se identificarán y se obtendrán sus respectivos parámetros físicos básicos. Para la extracción de información de los grandes volúmenes de datos, se utilizará el esquema "Knowledgement Discovery in Databases" (KDD) asociado a la DM y al ML. En las diferentes etapas del proceso KDD, se realizará la exploración y la comparación de distintos métodos para cada uno de los objetivos específicos delineados en este proyecto, a fin de obtener un proceso eficiente y que otorgue resultados confiables. En líneas generales, a partir de la sinergia, el intercambio de ideas y experiencias resultante de la presente colaboración, se espera obtener resultados novedosos en cada una de las áreas, así como también en el desarrollo de herramientas que tengan incluso un mayor grado de aplicación más allá de las áreas específicas de este proyecto.