Summary: Este projeto multidisciplinar combina astronomia, aprendizado de máquina e análise de dados, com o objetivo específico de melhorar o processo de classificação e previsão para características de galáxias extra-galácticas.

A Astronomia Extra-galáctica, que estuda objetos além da nossa própria galáxia, como outras galáxias, aglomerados de galáxias, quasares, buracos negros supermassivos e o universo em larga escala, é uma área de pesquisa que nos fornece informações vitais sobre a origem, evolução e futuro do universo. O trabalho nesta área depende de uma série de ferramentas e técnicas, incluindo telescópios terrestres e espaciais e observações em diferentes comprimentos de onda.

Aprendizado de máquina (Machine Learning - ML), um subcampo da Inteligência Artificial, desenvolve algoritmos capazes de aprender a partir de dados sem necessidade de programação explícita. Esses algoritmos de ML têm a capacidade de identificar padrões complexos em grandes conjuntos de dados e tomar decisões ou fazer previsões baseadas nesses padrões. Neste projeto, empregaremos técnicas de aprendizado de máquina, como redes neurais e algoritmos de agrupamento, para ajudar na análise de dados astronômicos.

A análise de dados astronômicos envolve a coleta, processamento e interpretação de dados do universo. Com o advento de telescópios cada vez mais poderosos e a consequente explosão de dados, as técnicas de ML tornaram-se indispensáveis para a pesquisa em Astronomia. Essas técnicas ajudam a classificar objetos astronômicos, detectar eventos raros e estudar a estrutura e evolução das galáxias.

Neste projeto, investigaremos especificamente como o aprendizado de máquina pode ser aplicado à Astronomia Extra-galáctica, com foco na análise e classificação de galáxias em grandes conjuntos de dados. Além disso, usaremos ML para prever a evolução de galáxias com base em suas características atuais. Destacaremos a importância da precisão e validação na aplicação de técnicas de aprendizado de máquina, uma vez que a confiabilidade dos resultados é crucial ao lidar com conjuntos de dados tão complexos como os dados astronômicos.

O impacto esperado deste projeto é duplo. Primeiramente, aprimoraremos a eficiência e a precisão da classificação e previsão das galáxias, facilitando a compreensão da evolução cósmica. Em segundo lugar, ao demonstrar a aplicação efetiva do aprendizado de máquina na astronomia, esperamos contribuir para a adoção mais ampla dessas técnicas em outras áreas da pesquisa astronômica.

Starting date: 01/06/2023
Deadline (months): 60

Participants:

Role	Name
Coordinator *	VALERIO MARRA