Abundâncias químicas precisas para gêmeas solares usando Machine Learning

• Processo: 23/15044-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 01 de março de 2024
• Data de Término da vigência: 31 de agosto de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Astronomia - Astrofísica Estelar
• Pesquisador responsável: Jorge Luis Melendez Moreno
• Beneficiário: Giulia Martos
• Supervisor: Sara Lucatello
• Instituição Sede: Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: Osservatorio Astronomico Di Padova, Itália
• Vinculado à bolsa: 22/05833-0 - Assinaturas químicas planetárias no espectro de estrelas gêmeas solares, BP.MS
• Assunto(s): Aprendizado computacional Abundância dos elementos químicos
• Palavra(s)-Chave do Pesquisador: Chemical abundances | machine learning | Solar twins | Abundâncias químicas

Resumo

Gêmeas solares foram importantes para o desenvolvimento de um método manual para determinar abundâncias químicas precisas de forma diferencial, permitindo obter uma precisão da ordem de 0.01-0.02 dex. Nesse projeto, temos o objetivo de usar gêmeas solares para desenvolver um código automático para atingir o mesmo nível de precisão que o método manual diferencial linha a linha, ou até mesmo uma precisão abaixo de 0.01 dex, aplicando algoritmos de Machine Learning a uma amostra de 91 gêmeas solares. Com essa precisão, é possível ir além das análises globais atuais de amostras estelares, e realizar a caracterização química de cada estrela individualmente. Assim, será possivel separar a assinatura de planetas da evolução química da Galáxia. Além disso, com o código desenvolvido, as medidas automáticas terão a mesma precisão do método manual linha a linha, que demanda muito tempo.