Aprendizagem de máquina aplicada a métodos de classificação de supernovas.
Nome: RODRIGO DUARTE SILVA
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 06/09/2018
Orientador:
Nome | Papel |
---|---|
VALERIO MARRA | Orientador |
Banca:
Nome | Papel |
---|---|
VALERIO MARRA | Orientador |
JÚLIO CÉSAR FABRIS | Examinador Interno |
RIBAMAR RONDON DE REZENDE DOS REIS | Examinador Externo |
LUCIANO CASARINI | Coorientador |
Resumo: Futuras pesquisas observacionais com investimentos, telescópios e tecnologias nunca antes vistos, estão sendo propostas na tentativa de se desvendar os mistérios do Universo. Em nosso trabalho, fornecemos um panorama desse cenário, com especial atenção para a classificação de supernovas que será feita pelo LSST (Large Synoptic Survey Telescope) a partir de 2022.
Inicialmente introduzimos a física que envolve o evento de Supernovas e sua observação, com o objetivo de tratar o problema da classificação fotométrica de supernovas didaticamente.
Fornecemos importantes referências no uso de diferentes aprendizagens de máquina e redes neurais para esse propósito. Incluímos resultados do uso de alguns dos métodos computacionais e a teoria por trás deles, destacando suas potencialidades e vunerabilidades.
Os métodos de aprendizagem de máquina podem envolver supervisão ou não. Objetivamos descrever a aplicação destas poderosas ferramentas, na análise de dados observacionais e verificamos resultados inesperados.