Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/27418
| Especie: | Trabalho de conclusão de graduação |
| Título : | Medindo catálogo de redshifts fotométricos com o LSST Data Preview 0.2: um estudo de ponta a ponta |
| Autor(es)/Inventor(es): | Dourado, Andreia Araújo |
| Tutor: | Moraes, Bruno Azevedo Lemos |
| Tutor : | Gschwend, Julia de Figueiredo |
| Resumen: | 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. |
| Materia: | Cosmologia observacional Redshifts fotométricos Aprendizado de máquina Observational cosmology Photometric redshifts Machine learning |
| Materia CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::ASTRONOMIA |
| Unidade de producción: | Observatório do Valongo |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 19-sep-2025 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Citación : | 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. |
| Aparece en las colecciones: | Astronomia |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| AADourado.pdf | 2.43 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.