Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/27418
| Type: | Trabalho de conclusão de graduação |
| Title: | Medindo catálogo de redshifts fotométricos com o LSST Data Preview 0.2: um estudo de ponta a ponta |
| Author(s)/Inventor(s): | Dourado, Andreia Araújo |
| Advisor: | Moraes, Bruno Azevedo Lemos |
| Co-advisor: | Gschwend, Julia de Figueiredo |
| Abstract: | A estimativa de redshifts fotométricos (photo-z) é uma tarefa fundamental e desafiadora na astronomia observacional moderna, especialmente para levantamentos de galáxias fotométricos em grande escala como o LSST (Legacy Survey of Space and Time). Algoritmos de machine learning têm se destacado como ferramentas promissoras, devido à sua flexibilidade e capacidade de modelar relações complexas e não lineares. Neste trabalho, exploramos as etapas para gerar um catálogo de photo-zs, com aplicação do algoritmo TPZ, baseado na construção de florestas aleatórias de árvores de decisão. Construímos um training set representativo com os dados simulados do LSST DP0.2, aplicando seleções de qualidade. Analisamos o impacto dos hiperparâmetros principais do TPZ e das diferentes escolhas de atributos para treinamento do modelo no resultado final. Mostramos as métricas de viés, dispersão e fração de outliers para os valores previstos de photo-z, além das métricas para avaliar a calibração das PDFs geradas, obtendo resultados consistentes e satisfatórios para o objetivo do nosso estudo. Aplicamos o modelo gerado no conjunto de dados de alta volumetria, através do pipeline pz-compute, desenvolvido pelo LIneA (Laboratório Interinstitucional de e-Astronomia) como parte de sua contribuição para o LSST. Construímos a distribuição de galáxias por redshift da tabela final, e analisamos a performance do algoritmo no cluster de computadores. |
| Keywords: | Cosmologia observacional Redshifts fotométricos Aprendizado de máquina Observational cosmology Photometric redshifts Machine learning |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA |
| Production unit: | Observatório do Valongo |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 19-Sep-2025 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Citation: | DOURADO, Andreia Araújo. Medindo catálogo de redshifts fotométricos com o LSST Data Preview 0.2: um estudo de ponta a ponta. 2025. 97 f. Trabalho de conclusão de curso (Bacharelado em Astronomia) - Observatório do Valongo, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2025. |
| Appears in Collections: | Astronomia |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| AADourado.pdf | 2.43 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.