Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Mapping the Extreme Universe with deep neural networks: from simulations to Rubin-LSST data

Descrizione del progetto

Risolvere i misteri oscuri dell’universo

Il modello cosmologico Lambda Cold Dark Matter (ΛCDM) è riuscito a spiegare l’evoluzione dell’universo su scale ed epoche vaste, descrivendo un cosmo dominato dalla materia oscura e dall’energia oscura. Ciononostante, non conosciamo ancora la vera natura di questi componenti criptici del cosmo. Alcune anomalie rilevate recentemente mettono in discussione l’equilibrio tra espansione cosmica e crescita della struttura, non permettendo agli esperti di fornire una risposta certa. La soluzione potrebbe trovarsi negli ambienti estremi della rete cosmica, come i vuoti e i superammassi? Il progetto MAPEX, finanziato dall’UE, si propone di risolvere questo mistero sfruttando i dati d’avanguardia forniti dall’Osservatorio Vera Rubin attraverso l’indagine «Legacy Survey of Space and Time». Combinando tecniche di apprendimento automatico con dati cosmologici, MAPEX si fa pioniere dell’uso del deep learning per indagare i segnali gravitazionali e scoprire verità nascoste sul nostro universo.

Obiettivo

The consensus CDM (Lambda-Cold Dark Matter) model of cosmology has shown remarkable explanatory power over a variety of cosmic scales and epochs, and it narrates a reassuring story of a universe currently filled mostly with dark matter and dark energy. Yet, this explanation is not fully satisfactory because the actual nature of the dark components remains a puzzle. Furthermore, cosmologists have recently reported significant anomalies concerning the delicate balance of cosmic expansion and structure growth, without a compelling solution.

The main objective of the MAPEX project is to reassess this far-reaching problem from a new perspective, and determine if cosmological tensions can be traced to the most extreme cosmic web environments: deep voids and dense superclusters. This EU-funded action will allow me to access unprecedented new data taken at the Vera Rubin Observatory, solidifying and broadening the Hungarian contributions to the next-generation Legacy Survey of Space and Time (LSST) project based in Chile. To go beyond the state-of-the-art, I will acquire extensive skills on machine learning techniques from expert researchers at Konkoly Observatory to combine with my groundwork results on cosmological data analysis from, above all, the Dark Energy Survey (DES).

As a key innovation, I will develop deep learning models to study extreme voids and superclusters. First, I will apply convolutional neural network methods to augment traditional cross-correlations between galaxy density fluctuations and the anisotropies of the Cosmic Microwave Background. Then, I will capture the dependence of their gravitational signals on the physical properties of dark energy and dark matter. The proposed analyses of simulations and early observational LSST data will help resolve whether some as-yet unknown physical effects or systematic biases complicate the picture in cosmology. Either way we will gather fundamentally new knowledge about the Universe on the largest scales.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) HORIZON-WIDERA-2022-TALENTS-04

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

HUN-REN CSILLAGASZATI ES FOLDTUDOMANYI KUTATOKOZPONT
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 141 782,40
Indirizzo
KONKOLY THEGE MIKLOS STREET 15-17
1121 BUDAPEST
Ungheria

Mostra sulla mappa

Regione
Közép-Magyarország Budapest Budapest
Tipo di attività
Research Organisations
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato

Partner (2)

Il mio fascicolo 0 0