Identificação de núcleos ativos de galáxias com variabilidade anômala usando machine learning

• Processo: 24/22165-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 31 de janeiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica
• Pesquisador responsável: Claudia Lucia Mendes de Oliveira
• Beneficiário: Raquel Ruiz Valença
• Supervisor: Paula Sanchez Saez
• Instituição Sede: Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: European Southern Observatory - Headquarters, Alemanha
• Vinculado à bolsa: 24/16592-9 - Detecção de objetos anômalos no S-PLUS, BP.DD
• Assunto(s): Aprendizado computacional Quasares Variabilidade Núcleos ativos de galáxias
• Palavra(s)-Chave do Pesquisador: machine learning | quasares | Variabilidade | Núcleos Ativos de Galáxias

Resumo

Este projeto de BEPE será realizado sob a supervisão da Dra. Paula Sánchez Sáez no European Southern Observatory, tendo duração de 7 meses. O projeto principal foca na identificação de núcleos ativos de galáxias (AGN) com variabilidade anômala utilizando técnicas de machine learning aplicadas a dados do Zwicky Transient Facility (ZTF). Para isso, adaptaremos e refinaremos estruturas de detecção de anomalias existentes, desenvolvidas pela supervisora, incorporando funcionalidades como a capacidade de utilizar dados fotométricos multibanda. Também exploraremos a sinergia entre os dados do ZTF e do Southern Photometric Local Universe Survey (S-PLUS) para melhorar a precisão na seleção de AGNs, incluindo aplicações a candidatos a quasares em altos redshifts. Os resultados deste trabalho culminarão em uma publicação detalhando a metodologia e apresentando um catálogo dos candidatos identificados. Além disso, uma amostra dos candidatos mais promissores será selecionada para acompanhamento espectroscópico, com o objetivo de investigar mais profundamente suas propriedades físicas e características de variabilidade.