Safwan ALJBAAE

PhD em Astronomia pelo Observatório de Paris (2013) e graduado em Matemática pela Universidade de Damasco, Síria (2004). Com ampla experiência na área de astronomia e dinâmica espacial, especialmente em famílias de asteróides e controle de espaçonaves na vizinhança de corpos celestes de formato irregular. Possui domínio de diversas linguagens científicas em ambiente Ubuntu, incluindo FORTRAN, C, MATLAB, LATEX, Python, além de técnicas avançadas de Machine Learning e Deep Learning aplicadas em várias áreas, como automação e modelagem dinâmica. Meu objetivo é expandir minha área de atuação para incluir diferentes aplicações de Machine Learning, explorando novas fronteiras tecnológicas.Entre fevereiro de 2014 e 2024, trabalhei em 53 publicações diferentes em revistas indexadas Qualis A1 e A2, com uma média de 5.3 artigos por ano. Minha pesquisa recente se divide em três áreas principais:Dinâmica dos Asteróides: Investiguei a origem e evolução das famílias de asteróides, medindo a idade de várias famílias e simulando a evolução de cada membro sob os efeitos das forças de Yarkovsky e YORP. Utilizei algoritmos de Machine Learning para identificar padrões nas distribuições orbitais, contribuindo para uma classificação mais precisa dessas famílias.Modelagem do Campo Gravitacional de Pequenos Corpos: Modelei o campo gravitacional externo de corpos celestes, utilizando técnicas como a estrutura Mascon com fonte poliédrica moldada. Esses estudos foram aplicados na dinâmica de espaçonaves ao redor de sistemas complexos como Lutetia, Bennu, Sylvia, Antiope e Apophis, otimizando a navegação e o controle orbital por meio de técnicas de Machine Learning para automação.Aplicações de Machine Learning em Astronomia e Outras Áreas: Desenvolvi novas metodologias de Machine Learning aplicadas à dinâmica de pequenos corpos, incluindo o uso de Deep Learning para identificar famílias de asteróides e estudar dinâmicas ressonantes no Sistema Solar. Análises de séries temporais foram utilizadas para prever comportamentos orbitais e identificar indicadores de caos, técnicas que também foram aplicadas na automação de trajetórias e na otimização de sistemas complexos.Minha abordagem interdisciplinar visa ampliar a aplicação de Machine Learning, não só na astronomia, mas também em outros campos científicos e de engenharia, explorando novas possibilidades tecnológicas e contribuindo para avanços em automação, previsão dinâmica e exploração espacial. (Fonte: Currículo Lattes)