Síntese de populações de galáxias com técnicas de aprendizado de máquina

• Processo: 19/05355-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2019
• Data de Término da vigência: 31 de maio de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica
• Pesquisador responsável: Laerte Sodré Junior
• Beneficiário: Vitor Martins Cernic
• Instituição Sede: Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Formação e evolução da galáxia Raios ultravioleta Síntese espectral Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Evolução de Galáxias | Métodos Estatísticos | parâmetros de galáxias | evolução de galáxias

Resumo

Este projeto objetiva aplicar técnicas de aprendizado de máquina (Machine Learning, ML) na síntese espectral de galáxias. Para isso usaremos os resultados de uma nova aplicação do software STARLIGHT a uma amostra de mais de 200 mil galáxias realizada por Werle et al. (2019). Estes resultados inovam, pois, a síntese é feita levando em conta a emissão no UV das galáxias, o que melhora a estimativa das propriedades das populações estelares. Estes resultados servirão de base para a criação de um conjunto de treinamento que será utilizado para treinar algoritmos de ML que serão aplicados, inicialmente, ao estudo de galáxias da Stripe 82 observadas pelo levantamento fotométrico S-PLUS.