Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Tracing Dynamical Evolution of Dark Matter via Machine Learning

Descripción del proyecto

Una forma nueva de arrojar luz sobre la materia oscura

La astrofísica afronta dos grandes cuestiones: la naturaleza de la materia oscura y su interacción con los procesos bariónicos. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto TraDE-DML intenta resolver estos asuntos analizando observaciones y simulaciones de galaxias en un intervalo de corrimientos al rojo de z = 0,3-2,5, que abarca entre 3 000 y 10 000 millones de años de historia cósmica. En TraDE-DML se introduce un novedoso método de aprendizaje automático para determinar con precisión las masas dinámicas de las galaxias, lo que mejora las estimaciones de la materia oscura. En este proyecto se aprovecharán los datos de los sondeos existentes y futuros, preparándolos para iniciativas telescópicas a gran escala como ELT y SKA. Al combinar conocimientos de astronomía observacional, física teórica y aprendizaje automático, en TraDE-DML se arrojará luz sobre la naturaleza escurridiza de la materia oscura.

Objetivo

"We plan to answer two pivotal questions of modern astrophysics: the nature of dark matter and its interaction with baryonic processes. Utilizing galaxy observations and cosmological hydrodynamical galaxy simulations across a redshift range of z = 0.3-2.5 we will examine 3-10 Gyr of cosmic history.

We propose to ""Trace the Dynamical Evolution of Dark Matter via Machine Learning""- TraDE-DML, that pioneers an advanced methodology for assessing the dynamical masses of galaxies, aiming for unprecedented precision in the quantification of both baryonic and dark matter components. Unlike conventional velocity profile studies, TraDE-DML eliminates assumptions of symmetry and dynamical equilibrium, substantially reducing uncertainties in dark matter estimates. Our project aims to exploit existing and future survey data, preparing for expansive telescopic projects like ELT and SKA. Simple in concept but revolutionary in application, the machine learning techniques used in TraDE-DML are poised for transformative advances in dark matter studies, particularly in determining its central density slope. By synergistically integrating knowledge from observational astronomy, theoretical physics, machine learning, and statistics, TraDE-DML aims to make significant strides in unraveling the elusive nature of dark matter.

As an expert in observational data analysis with privileged access to leading galaxy surveys like MAGPI and MIGHTEE, I possess the skills to efficiently extract and analyse pertinent data. The host, Dr. Benoit Famaey, excels in galaxy dynamics and alternative dark matter theories. Supported by a team versed in cosmological simulations and machine learning experts at the Inter-disciplinary Institute IRMIA++, we form a unique research synergy. Utilizing advanced machine learning frameworks and leveraging expansive survey data, TraDE-DML is well-positioned for immediate execution.

"

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

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

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) HORIZON-MSCA-2023-PF-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 211 754,88
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

Sin datos

Socios (1)

Mi folleto 0 0