| Processo: | 22/03426-8 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de março de 2023 |
| Data de Término da vigência: | 28 de fevereiro de 2027 |
| Área do conhecimento: | Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica |
| Acordo de Cooperação: | ANR |
| Pesquisador responsável: | Luis Raul Weber Abramo |
| Beneficiário: | Luis Raul Weber Abramo |
| Pesquisador Responsável no exterior: | Matthew Pieri |
| Instituição Parceira no exterior: | Laboratoire d’Astrophysique de Marseille (LAM) , França |
| Instituição Sede: | Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Município da Instituição Sede: | São Paulo |
| Pesquisadores associados: | Carolina Queiroz de Abreu Silva ; Laerte Sodré Junior ; Natália Villa Nova Rodrigues ; Nina Sumiko Tomita Hirata |
| Auxílio(s) vinculado(s): | 23/05082-7 - Combinando o LSST com levantamentos em bandas estreitas usando Machine Learning: cosmologia com quasares e aplicações com múltiplos traçadores, AP.R |
| Assunto(s): | Cosmologia (astronomia) Quasares Formação de estruturas Formação e evolução da galáxia |
| Palavra(s)-Chave do Pesquisador: | Formação de Estruturas no Universo | levantamentos de galáxias | quasares | Cosmologia |
Resumo
WEAVE-QSO e J-PAS são dois grandes levantamentos astrofísicos que estarão ativos de 2022 até 2029, a partir de dois importantes observatórios, apoiados por duas colaborações internacionais: WEAVE-QSO (Européia) e J-PAS (Brasileira e Espanhola, principalmente). Esses dois levantamentos estabeleceram uma parceria com um objetivo comum: estudar cosmologia e evolução de galáxias na primeira metade da história do universo, usando dados de qualidade e em quantidades sem precedentes. O J-PAS faz isso por meio do imageamento em 56 cores, enquanto o WEAVE-QSO vai observar os seus objetos usando espectroscopia. A exploração desses dados representa uma variedade de desafios e oportunidades que vamos atacar usando uma variedade de ferramentas, em particular métodos de aprendizado de máquina (machine learning). Em alguns casos, os primeiros passos já foram tomados e temos resultados preliminares, enquanto em outros casos os projetos ainda estão em suas fases iniciais.Os líderes desses levantamentos propõe combinar as expertises dos parceiros e combinar métodos inovadores para uma exploração completa desse nosso imenso conjunto de dados. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |