Número do Painel | |
Autor | |
Instituição | UFSC |
Tipo de Bolsa | PIBIC/CNPq |
Orientador | NATALIA VALE ASARI |
Depto | DEPARTAMENTO DE FÍSICA / FSC/CFM |
Centro | CENTRO DE CIENCIAS FISICAS E MATEMATICAS |
Laboratório | |
Grande Área / Área do Conhecimento | Ciências Exatas e da Terra
/Ciências Exatas e da Terra |
Sub-área do Conhecimento | Astrofísica Extragalactica |
Titulo | Uma visão pancromática de galáxias: medidas de linhas de emissão com aprendizado de máquina |
Resumo | Muitas galáxias são repletas de nebulosas ionizadas. Transições eletrônicas em íons dessas nebulosas emitem fótons com energias características, despontando dos espectros das galáxias como linhas de emissão. O processamento de linhas de emissão é fundamental no entendimento deste sistema físico. Por exemplo, a razão entre as luminosidades das linhas Hα e Hβ indica atenuação por poeira, e a largura equivalente da linha espectral nebular Hα está ligada à taxa de formação estelar específica de uma galáxia, sendo também útil para quantificar a presença do gás difuso ionizado em galáxias. Dado que na astrofísica trabalha-se com cubos que contêm milhares de espectros por galáxia, é importante avaliar o método utilizado para extrair as propriedades físicas dos dados, haja vista a grande demanda computacional envolvida. Para tanto, a proposta de pesquisa deste trabalho consistiu em abordar, de forma inicial, o estudo de um método de aprendizado de máquina para sua futura aplicação para medir fluxos de linhas de emissão em galáxias do MUSE. |
Link do Video | https://repositorio.ufsc.br/handle/123456789/239017 |
Palavras-chave | Aprendizado de máquina, Rede Neural Convolucional, Linhas de emissão |
Colaboradores |