Classificação da emissão nuclear de galáxias com dados fotométricos do survey S-PLUS

• Processo: 23/13057-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2024
• Data de Término da vigência: 31 de janeiro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica
• Pesquisador responsável: Roberto Bertoldo Menezes
• Beneficiário: Thiago Corrêa e Silva de Moraes
• Instituição Sede: Escola de Engenharia Mauá (EEM). Instituto Mauá de Tecnologia. São Caetano do Sul , SP, Brasil
• Assunto(s): Fotometria Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: fotometria | Liners | machine learning | núcleos de galáxias | Seyferts | Núcleos de galáxias

Resumo

Nas últimas décadas, o volume e a complexidade dos dados astronômicos têm aumentado consideravelmente. Como consequência, técnicas de machine learning têm sido cada vez mais utilizadas para a análise desses dados. Nesse projeto, propomos avaliar as técnicas de machine learning mais eficientes (e também os parâmetros mais adequados) para classificar a emissão nuclear de galáxias como sendo característica de galáxias Seyfert, Low Ionization Nuclear Emission-Line Regions (LINERs) ou regiões H II, usando dados fotométricos obtidos com o Southern Photometric Local Universe Survey (S-PLUS). Será avaliada também a possibilidade de aplicar essa metodologia a futuros dados fotométricos a serem obtidos com o Legacy Survey of Space and Time (LSST).