Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Pereira, Tibério Azevedo |
| Orientador(a): |
Sturani, Riccardo |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/52221
|
Resumo: |
A Astronomia de Ondas Gravitacionais é uma área emergente que vem revelando informações escondidas da Astrofísica e Cosmologia. O volume crescente de dados observacionais e de simulações da Relatividade Numérica promoveu diversas análises e modelagens de ondas gravitacionais de binários compactos. Em meio às abordagens, o Aprendizado de Máquina se tornou um grande suporte para impulsionar as pesquisas. Neste projeto, desenvolvemos um modelo de Aprendizado Profundo do tipo U-Net que detecta possíveis formas de ondas anômalas em um catálogo de Relatividade Numérica. Utilizamos simulações de binários de buracos negros com variadas razões de massas e spins. Neste conjunto de dados de formas de ondas de modos dominantes e modos altos, categorizamos sete tipos de anomalias diferentes durante os estágios de coalescência. |
