| Processo: | 22/03589-4 |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Data de Início da vigência: | 01 de setembro de 2022 |
| Data de Término da vigência: | 31 de agosto de 2023 |
| Área de conhecimento: | Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica |
| Pesquisador responsável: | Luis Raul Weber Abramo |
| Beneficiário: | Natali Soler Matubaro de Santi |
| Supervisor: | Francisco Antonio Villaescusa Navarro |
| Instituição Sede: | Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Instituição Anfitriã: | Flatiron Institute, Estados Unidos |
| Vinculado à bolsa: | 19/13108-0 - Matrizes de covariância cosmológicas e métodos de machine learning, BP.DR |
| Assunto(s): | Cosmologia (astronomia) Observações astronômicas Aprendizado computacional Halo galáctico Hidrodinâmica |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Máquina | Conexão galáxia-halo | Cosmologia (Astronomia) | parâmetros cosmológicos | simulações hidrodinâmicas | Aprendizado de máquina |
Resumo A nova geração de observações cosmológicas está gerando uma enorme quantidade de dados e aumentando a pressão por novas e melhorias nas já existentes técnicas para a análise dos mesmos. Métodos de aprendizado de máquina lideram em termos de novos algoritmos e ferramentas, muitas vezes superando os métodos tradicionais. Entretanto, para treinar algoritmos de aprendizado de máquina uma grande quantidade de dados é necessária (tanto de observações quanto de simulações) e projetos como o CAMELS (Cosmology and Astrophysics with MachinE Learning Simulations) estão preenchendo esta lacuna, fornecendo esses dados. O projeto CAMELS faz uso de duas diferentes simulações magneto-hidrodinâmicas: o IllustrisTNG e o SIMBA. Essas simulações, que calculam o movimento de partículas de gás e matéria escura, desde os primórdios até os dias de hoje, são o estado da arte em termos do entendimento do tecido cósmico, a relação entre galáxias e o ambiente, bem como a história de formação das galáxias. O projeto CAMELS possui um grande número de caixas dessas simulações, para uma grande variedade de cenários, variando os parâmetros cosmológicos e astrofísicos. Essas caixas podem ser utilizadas fazendo uso de diferentes métodos de aprendizado de máquina para, por exemplo, predizer as propriedades do Universo usando dados observacionais. Este projeto tem a intenção de desenvolver um conjunto de técnicas de aprendizado de máquina para, usando o CAMELS como base de dados, prever os parâmetros cosmológicos usando inferências livres de verossimilhança, bem como conectar observações (de galáxias e suas propriedades) com as teorias fundamentais, usadas nestas simulações. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |