Búsqueda sistemática de nuevas estrellas simbióticas en la Vía Láctea utilizando algoritmos de machine learning aplicados a bases de datos fotométricas. Investigadores del CONICET (Argentina) y de la Universidad de San Juan lideran el análisis, identificando candidatas mediante clasificadores entrenados con parámetros fotométricos en múltiples bandas. 13 páginas, 8 figuras.
Introducción
Las estrellas simbióticas son sistemas binarios que consisten en una gigante roja fría y una estrella compacta caliente — típicamente una enana blanca — que interactúan a través de transferencia de masa y vientos estelares. Son laboratorios únicos para estudiar la evolución estelar binaria, la nucleosíntesis y los progenitores de novas recurrentes y supernovas de tipo Ia. Sin embargo, el número de estrellas simbióticas conocidas en la Vía Láctea es sorprendentemente pequeño comparado con las predicciones teóricas.
Desarrollo
El equipo del CONICET desarrolló un clasificador de machine learning entrenado con parámetros fotométricos de las estrellas simbióticas conocidas, extrayendo características en bandas ópticas e infrarrojas de relevamientos como 2MASS, WISE y Gaia DR3. El algoritmo fue aplicado a millones de fuentes estelares para identificar candidatas que comparten el espacio fotométrico de las simbióticas confirmadas. Las candidatas más prometedoras fueron seguidas espectroscópicamente para confirmar su naturaleza.
Conclusiones
El método desarrollado representa un avance significativo en la búsqueda eficiente de estrellas simbióticas en grandes relevamientos fotométricos. Los resultados contribuyen a completar el censo de estas binarias en la Vía Láctea y proporcionan una metodología replicable para futuros relevamientos como el LSST/Rubin Observatory, que observará miles de millones de fuentes estelares.