Opis projektu
Nowe światło rzucone na ciemną materię
Astrofizyka stara się znaleźć odpowiedzi na dwa kluczowe pytania dotyczące natury ciemnej materii i jej wpływu na procesy barionowe. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu TraDE-DML ma na celu udzielenie odpowiedzi na te pytania poprzez analizę obserwacji galaktyk i symulacji w zakresie przesunięcia ku czerwieni z wynoszącego 0,3-2,5, obejmującą 3-10 miliardów lat kosmicznej historii. Badacze wprowadzają nowatorskie rozwiązania oparte na algorytmach uczenia maszynowego w celu precyzyjnego określania dynamicznych mas galaktyk, usprawniając szacowanie ciemnej materii. W ramach prac naukowcy wykorzystają istniejące i przyszłe dane pomiarowe w ramach przygotowań do wykorzystania teleskopów, w tym ELT i SKA, na szeroką skalę. Łącząc wiedzę z zakresu astronomii obserwacyjnej, fizyki teoretycznej i uczenia maszynowego, projekt TraDE-DML rzuci nowe światło na nieuchwytną naturę ciemnej materii.
Cel
"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.
"
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki humanistycznehistoria i archeologiahistoria
- nauki przyrodniczenauki fizyczneastronomiaastrofizyka
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
75794 Paris
Francja