Projektbeschreibung
Auf astrophysikalischer Mission zur Erforschung der Sternbildung
Big Data und hybride maschinelle Lernmethoden werden zur Auswertung des größten panchromatischen Datensatzes über junge stellare Objekte herangezogen. Das EU-finanzierte Projekt NEMESIS verbessert unser Verständnis der Sternbildung, indem der Weg für datenintensive wissenschaftliche Anwendungen in der modernen Astrophysik geebnet wird. Neuere wissenschaftliche Beweise legen nahe, dass sich Planeten im Verhältnis zu ihren Wirtssternen synchron anstatt sequenziell bilden, was auf eine rasante frühe Entwicklung von Stern-Planet-Systemen hindeutet. NEMESIS bestimmt die charakteristischen Übergänge, die jede Phase der Sternbildung ausmachen. Das Projekt überprüft insbesondere das aktuelle Klassifikationsschema und die entsprechenden charakteristischen Zeitskalen, um diese mit den neuesten Beobachtungs- und theoretischen Einschränkungen zu synchronisieren.
Ziel
NEMESIS has the ambition to reshape our understanding on the formation of stars by employing artificial intelligence methods to interpret the largest, panchromatic data collection of young stellar objects. Recent evidence suggests that planets form synchronously rather than sequentially to their host stars, indicating a rapid early evolution of star-planet systems. To ascertain these timescales, it is necessary to first determine the characteristic transitions that describe each phase of star formation. The definition of classes for young stellar objects was made possible more than 30 years ago, due to the first space-based infrared sky surveys. Whilst successful in determining global properties, current classification is prone to large uncertainties, and therefore, timescales, which are based on population statistics among different classes in a steady-state evolution, remain dubious.
NEMESIS aims to readjust the current classification scheme and its characteristic timescales so that it is concurrent with the most recent observational and theoretical constraints. To meet these goals NEMESIS will compile the largest, panchromatic dataset comprising of all young stellar objects in nearby star-forming regions, harnessing critical information that resides in data from space missions. It will reprocess and analyze this unique dataset with supervised and unsupervised machine learning algorithms, deep learning neural networks for object detection, clustering and regression analysis of images in order to advance the analysis and interpretation beyond the current state-of-the-art. Ultimately, NEMESIS brings big data techniques and hybrid machine learning methods to systematically analyze and interpret large data volumes in order to answer some of the most persisting questions, paving the path toward data-intensive science applications in modern astrophysics.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- natural sciencescomputer and information sciencesdata sciencebig data
- natural sciencesphysical sciencesastronomyastrophysics
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesphysical sciencesastronomystellar astronomy
- natural sciencescomputer and information sciencesartificial intelligencecomputational intelligence
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SPACE-2020
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
1121 Budapest
Ungarn