Machine learning algorithms applied to the Gaia data
ML-Gaia
Progetto
R & D
Missione spaziale Internazionale
RSN2
Attività: Nuova; Data inizio: 2022; Data fine: 2024
tatiana.muraveva tatiana.muraveva@inaf.it
L'astronomia sta entrando nell’era dei Big Data grazie alla crescita esponenziale del volume di dati provenienti da grandi survey, tra cui Gaia, la missione ESA lanciata con lo scopo di costruire la più grande e accurata mappa della Via Lattea. Il volume straordinario di questi dati pone nuove sfide alla comunità astronomica richiedendo un enorme aumento delle capacità di analisi degli esseri umani. Pertanto, l'applicazione di tecniche di Machine Learning (ML), che possono fornire il livello di accuratezza e automazione necessari per sfruttare in modo efficiente grandi set di dati, diventa cruciale. In questo progetto applicheremo varie algoritmi di ML al catalogo Gaia per acquisire conoscenze più dettagliate sulla Via Lattea, il Gruppo Locale e AGN.
Astronomy is entering a new era of Big Data science thanks to exponentially growing data volumes from large surveys, such as the ESA mission Gaia, designed to chart a three-dimensional map of the Milky Way (MW). Gaia dataset includes, among others, the astrometry and photometry for ~1.8 billion sources, as well as astrophysical parameters, radial velocities and spectra for millions of sources. The extraordinary volume of these data vastly exceeds the discovery capabilities of humans. Thus, exploiting machine learning (ML) techniques, which can provide the accuracy and automation required to exploit large datasets, becomes highly needed. In this project, we will apply various ML algorithms to the Gaia catalogue to gain new knowledge on the MW, Local Group galaxies and AGN.
Galassie, AGN e loro evoluzione
Popolazioni e ammassi stellari galattici ed extragalattici
Tecnologie Informatiche e software
Struttura | Nfte | N0 | TI 2022 | TI 2023 | TI 2024 | TD 2022 | TD 2023 | TD 2024 | Nex | Extra |
---|---|---|---|---|---|---|---|---|---|---|
OAS BOLOGNA | 2 | 0 | 0.40 | 0.40 | 0.40 | 0.20 | 0.20 | 0.20 | 0 | 0.00 |
O.A. TORINO | 1 | 0 | 0 | 0 | 0 | 0.20 | 0.20 | 0.20 | 0 | 0.00 |
Totali | 3 | 0 | 0.40 | 0.40 | 0.40 | 0.40 | 0.40 | 0.40 | 0 | 0.00 |
# | Struttura | TI 2022 | TI 2023 | TI 2024 | TD 2022 | TD 2023 | TD 2024 | Extra |
---|---|---|---|---|---|---|---|---|
1 | OAS BOLOGNA | 0 | 0 | 0 | 0.20 | 0.20 | 0.20 | 0.00 |
Totali | 0.00 | 0.00 | 0.00 | 0.20 | 0.20 | 0.20 | 0.00 |
Certi 2022 | Certi 2023 | Certi 2024 | Presunti 2022 | Presunti 2023 | Presunti 2024 |
---|---|---|---|---|---|
0.0 | 0.0 | 0.0 | 65.0 | 50.0 | 0.0 |
<p>Milky Way evolution; Galactic archaeology; Milky Way formation; Milky Way dynamics; Active galactic nuclei; Astronomy data modelling; Neural networks; Outlier detection; Gaussian mixture model; Random Forests.</p>
<p class="MsoNormal" style="margin: 0cm 0cm 0.0001pt;">Members of our team have leading roles in the Gaia Data Processing and Analysis Consortium (DPAC) responsible for processing Gaia data. The project PI is the manager of the DPAC Coordination Unit 9 (CU9; Archive and Catalogue Access) Work Package 946 (WP946), which is dedicated to the validation of variable sources and time-series data published in the Gaia catalogue. The INAF associate member is the manager of the CU7 (Variability analysis) WP 720-03000 devoted to the validation and full characterisation of Cepheids and RR Lyrae stars observed by Gaia. Moreover, our team members have a consolidated and worldwide acknowledged expertise in the scientific exploitation of the Gaia data using different algorithms, including the Bayesian approach (e. g. Muraveva et al. 2015 ApJ 807 127; Muraveva et al. 2018 MNRAS 481 1195; Muraveva et al. 2020 MNRAS 499 4040; Gaia Collaboration, Clementini et al. 2017 A&A 605 A79; Garofalo et al. 2022 arXiv: arXiv: 2203.07435). <font color="#000000" face="Cambria" size="3"><span style="caret-color: rgb(0, 0, 0);"><o:p></o:p></span></font></p>
<p class="MsoNormal" style="margin: 0cm 0cm 0.0001pt;">Gaia, CINECA<font color="#000000" face="Cambria" size="3"><span style="caret-color: rgb(0, 0, 0);"><o:p></o:p></span></font></p>
# | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2022/2023/2024) | FTE Presunte (2022/2023/2024) | Extra | ||
---|---|---|---|---|---|---|---|---|---|---|
1 | tatiana.muraveva | tatiana.muraveva@inaf.it | OAS BOLOGNA | Y | RICERCATORE | Project coordinator | X X X | X X X | X | |
2 | alessia.garofalo | alessia.garofalo@inaf.it | OAS BOLOGNA | N | RICERCATORE | Participante | X X X | X X X | X | |
3 | maria.carnerero | maria.carnerero@inaf.it | O.A. TORINO | N | ASSEGNISTA | Partecipante | X X X | X X X | X |
# | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2022/2023/2024) | FTE Presunte (2022/2023/2024) | Extra | |
---|---|---|---|---|---|---|---|---|---|
1 | gisella.clementini | gisella.clementini@inaf.it | OAS BOLOGNA | N | ASSOCIATO QUIESCENTE | Partecipante | [0.2, 0.2, 0.2] | [-1.0, -1.0, -1.0] | -1.0 |
Financial support of 15k euro will be requested through Mini-grant to allow attendance at the conferences and workshops in the coming two years. Financial support of 50k euro per year is expected to hire a senior postdoc.
# | Provenienza | Certi 2022 (k€) | Certi 2023 (k€) | Certi 2024 (k€) | Presun. 2022 (k€) | Presun. 2023 (k€) | Presun. 2024 (k€) | Totale Certi (k€) | Totale Presunti (k€) |
---|---|---|---|---|---|---|---|---|---|
1 | INAF | 0 | 0 | 0 | 15 | 0 | 0 | 0 | 15 |
2 | PNRR | 0 | 0 | 0 | 50 | 50 | 0 | 0 | 100 |
# | Provenienza | Fondi 2022 (€) | Fondi 2023 (€) | Fondi 2024 (€) |
---|