Identificação Automática das Fronteiras de Plasma de Vênus

• Processo: 23/01224-1
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 10 de julho de 2023
• Data de Término da vigência: 09 de janeiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geofísica
• Pesquisador responsável: Ezequiel Echer
• Beneficiário: João Carlos de Moura Castro Neto
• Supervisor: Markus Fraenz
• Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). São José dos Campos , SP, Brasil
• Instituição Anfitriã: Max Planck Society, Gottingen, Alemanha
• Vinculado à bolsa: 22/06927-8 - Estudo de ondas de frequência ultra-baixa na bainha magnética de Vênus, BP.MS
• Assunto(s): Aprendizado computacional Vento solar Geofísica espacial
• Palavra(s)-Chave do Pesquisador: Haar Wavelet | machine learning | solar wind | Venus' magnetosphere | Geofísica Espacial

Resumo

Este projeto tem como objetivo automatizar a identificação das fronteiras do plasma da magnetosfera induzida de Vênus, usando métodos de Machine Learning. A magnetosfera induzida é formada através da interação do vento solar com a atmosfera superior planetária. Os dados dos anos 20006 a 2014 da missão Venus Express (VEX), incluindo dados de densidade eletrônica e campo magnético dos instrumentos ASPERA-4 e MAG, respectivamente, serão analisados usando métodos de Machine Learning utilizando linguagem de programação. Neste estudo, serão desenvolvidos algoritmos para identificar as fronteiras do plasma. Além disso, será feita uma comparação dos resultados obtidos aplicando os algoritmos com um catálogo manual criado usando um processo de identificação visual e manual. O objetivo principal do projeto é criar um método mais eficiente e preciso para identificar as fronteiras do plasma, o que poderia potencialmente ser aplicado a outras missões planetárias. O Instituto Max Planck para Pesquisa do Sistema Solar fornecerá os dados e o supervisor estrangeiro, o Dr. Markus Fraenz, desempenhará um papel crucial no desenvolvimento e implementação do estudo. A ferramenta de análise de dados CCATi, desenvolvida pelo Dr. Fraenz e sua equipe, também será utilizada no estudo.