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

Tracing Dynamical Evolution of Dark Matter via Machine Learning

Descrizione del progetto

Un nuovo modo per far luce sulla materia oscura

L’astrofisica si trova dinanzi alla necessità di chiarire due importanti questioni, ovvero la natura della materia oscura e la sua interazione con i processi barionici. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto TraDE-DML intende rispondere a queste domande analizzando le osservazioni e le simulazioni di galassie in un intervallo di spostamento verso il rosso z = 0,3-2,5, che copre un periodo compreso tra i 3 e i 10 miliardi di anni di storia cosmica. TraDE-DML introduce un nuovo approccio basato sull’apprendimento automatico per determinare con precisione le masse dinamiche delle galassie, migliorando le stime della materia oscura. Il progetto sfrutterà i dati di rilevamento esistenti e futuri, preparandosi a iniziative telescopiche su larga scala come ELT e SKA. Combinando competenze in materia di astronomia osservativa, fisica teorica e apprendimento automatico, TraDE-DML farà luce sulla natura elusiva della materia oscura.

Obiettivo

"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.

"

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-MSCA-2023-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
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.

€ 211 754,88
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 (1)

Il mio fascicolo 0 0