Métodos de Aprendizado de Máquina para Detecção de Quasares de Alto Redshift com Mitigação de Viés de Seleção.

• Processo: 25/04853-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2025
• Data de Término da vigência: 31 de agosto de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Rafael Izbicki
• Beneficiário: Bruno Marcondes e Resende
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Estatística Probabilidade Viés de seleção
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Estatística | Modelos de Predição | Probabilidade | quasar | Viés de Seleção | Aprendizado de Máquina

Resumo

Redshift é uma medida astronômica que indica o deslocamento de uma onda eletromagnética para o espectro vermelho, sendo utilizada para medir a distância de objetos astronômicos, como galáxias e quasares. Quanto maior o redshift, mais distante e antigo é o objeto. Detectar quasares com alto redshift é crucial para entender a formação de buracos negros supermassivos no início do universo. Tradicionalmente, o redshift é medido por espectroscopia, um processo demorado e caro. A fotometria, que mede a intensidade da luz em diferentes faixas de comprimentos de onda, juntamente com o aprendizado de máquina (ML), é usada para estimar o redshift de maneira mais rápida. No entanto, há o desafio do viés de seleção, que resulta em bancos de treinamento que sub-representam quasares geralmente mais captados pela espectroscopia.Este projeto tem como objetivo desenvolver métodos de aprendizado de máquina que mitiguem esse viés, permitindo a detecção mais eficiente de quasares de alto redshift. Utilizando dados do levantamento fotométrico S-PLUS (Southern Photometric Local Universe Survey), que cobre 9.300 graus quadrados do hemisfério sul celeste e utiliza um sistema fotométrico com 12 filtros passa-banda, o projeto busca não apenas melhorar a precisão das estimativas de redshift, mas também identificar candidatos a quasares com redshift muito alto. Isso aprofundará a compreensão do universo primordial e dos mecanismos que levaram à formação dos buracos negros supermassivos. (AU)