Classificação da emissão nuclear de galáxias com machine learning aplicado a dados espectroscópicos

• Processo: 24/13784-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2024
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica
• Pesquisador responsável: Roberto Bertoldo Menezes
• Beneficiário: Arthur Gama Ruiz
• Instituição Sede: Escola de Engenharia Mauá (EEM). Instituto Mauá de Tecnologia. São Caetano do Sul , SP, Brasil
• Assunto(s): Espectroscopia Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Espectroscopia | Liners | machine learning | núcleos de galáxias | Regioes H II | Seyferts | Núcleos de galáxias

Resumo

Os núcleos de galáxias possuem grande importância, já que podem fornecer informações sobre a formação e evolução dessas estruturas. Nesse contexto, a classificação da emissão nuclear de galáxias, que pode ser devida às estrelas ali presentes ou à acreção de matéria em um buraco negro central supermassivo, é uma das análises de maior relevância. Atualmente, essa classificação é feita, com base em dados espectroscópicos, utilizando-se diagramas de diagnóstico, que nada mais são do que gráficos relacionando duas razões de linhas de emissão. Embora muito útil, esse método pode resultar em classificações imprecisas ou dúbias. Nesse trabalho, pretendemos desenvolver uma metodologia, envolvendo técnicas de machine learning, a ser aplicada a dados espectroscópicos, a fim de melhorar a precisão da classificação da emissão nuclear de galáxias. Devido à relevância desse tópico para a Astrofísica Extragaláctica, esse projeto deverá resultar em uma publicação, com impacto significativo.