Descripción del proyecto
Un innovador marco de representación no lineal de señales podría mejorar la exploración espacial
La astrofísica ha alcanzado un punto de inflexión y se enfrenta a complejos retos de análisis de datos que requieren el desarrollo de métodos avanzados de procesamiento de señales. Las representaciones de señales dispersas han sido fundamentales para crear un mapa completo de la radiación de fondo de microondas a partir de los datos de Planck. Sin embargo, los enfoques lineales estándar de procesamiento de señales poseen una capacidad limitada para captar las propiedades inherentemente no lineales de los datos físicos. El equipo del proyecto LENA, financiado con fondos del Consejo Europeo de Investigación (ERC, por sus siglas en inglés), pretende abordar estas limitaciones al estudiar un nuevo marco de representación de señales no lineales y desarrollando métodos numéricos para explotar modelos no lineales. Los resultados del proyecto tendrán importantes repercusiones para el análisis de datos astrofísicos, concretamente dentro de la misión Planck y el radiointerferómetro europeo LOFAR (Low Frequency ARray). Se espera que su impacto sea similar al conseguido con la dispersión sobre el terreno.
Objetivo
Astrophysics has arrived to a turning point where the scientific exploitation of data requires overcoming challenging analysis issues, which mandates the development of advanced signal processing methods. In this context, sparsity and sparse signal representations have played a prominent role in astrophysics. Indeed, thanks to sparsity, an extremely clean full-sky map of the Cosmic Microwave Background (CMB) has been derived from the Planck data [Bobin14], a European space mission that observes the sky in the microwave wavelengths. This led to a noticeable breakthrough: we showed that the large-scale statistical studies of the CMB can be performed without having to mask the galactic centre anymore thanks to the achieved high quality component separation [Rassat14].
Despite the undeniable success of sparsity, standard linear signal processing approaches are too simplistic to capture the intrinsically non-linear properties of physical data. For instance, the analysis of the Planck data in polarization requires new sparse representations to finely capture the properties of polarization vector fields (e.g. rotation invariance), which cannot be tackled by linear approaches. Shifting from the linear to the non-linear signal representation paradigm is an emerging area in signal processing, which builds upon new connections with fields such as deep learning [Mallat13].
Inspired by these active and fertile connections, the LENA project will: i) study a new non-linear signal representation framework to design non-linear models that can account for the underlying physics, and ii) develop new numerical methods that can exploit these models. We will further demonstrate the impact of the developed models and algorithms to tackle data analysis challenges in the scope of the Planck mission and the European radio-interferometer LOFAR. We expect the results of the LENA project to impact astrophysical data analysis as significantly as deploying sparsity to the field has achieved.
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.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informaciónciencia de datos
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicaprocesamiento de señales
- ciencias naturalesciencias físicasastronomíaastrofísicamateria oscura
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automáticoaprendizaje profundo
- ciencias naturalesmatemáticasmatemáticas aplicadasanálisis numérico
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
Régimen de financiación
ERC-STG - Starting GrantInstitución de acogida
75015 PARIS 15
Francia