| Processo: | 19/10923-5 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de maio de 2020 |
| Data de Término da vigência: | 30 de abril de 2022 |
| Área do conhecimento: | Ciências Exatas e da Terra - Astronomia - Astrofísica Extragaláctica |
| Pesquisador responsável: | Laerte Sodré Junior |
| Beneficiário: | Laerte Sodré Junior |
| Instituição Sede: | Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Município da Instituição Sede: | São Paulo |
| Assunto(s): | Formação e evolução da galáxia Inteligência artificial Aprendizado computacional Aprendizagem profunda Populações estelares Análise fotométrica |
| Palavra(s)-Chave do Pesquisador: | Deep Learning | galaxy evolution | machine learning | photometric redshifts | Stellar Populations | evolução de galáxias |
Resumo
Pretendemos usar ferramentas de {\it machine learning} e {\it deep learning} na análise de grandes levantamentos fotométricos e espectroscópicos, como o S-PLUS, o J-PLUS, o J-PAS e o PFS, para extrair informações de forma eficiente dos grandes conjuntos de dados que estão ou serão gerados por estes projetos. Nosso foco inicial é a análise dos dados que vêm sendo obtidos pelo S-PLUS, mas as técnicas serão aplicadas, posteriormente, aos projetos J-PLUS, J-PAS e PFS. Para isso vamos investir tanto na implementação de algoritmos quanto na preparação de conjuntos de treinamento adequados para nossos propósitos científicos. Os resultados do projeto, como redshifts fotométricos e parâmetros que descrevem propriedades das populações estelares das galáxias, serão úteis para inúmeras aplicações. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |