Scheda ML-Gaia
FINAL
Informazioni generali
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 vari 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
Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 3
| Struttura | Nfte | N0 | TI 2023 | TI 2024 | TI 2025 | TD 2023 | TD 2024 | TD 2025 | Nex | Extra |
|---|---|---|---|---|---|---|---|---|---|---|
| OAS BOLOGNA | 2 | 0 | 0.40 | 0.40 | 0.00 | 0.20 | 0.20 | 0.00 | 0 | 0.00 |
| O.A. TORINO | 1 | 0 | 0 | 0 | 0 | 0.20 | 0.20 | 0.00 | 0 | 0.00 |
| Totali | 3 | 0 | 0.40 | 0.40 | 0.00 | 0.40 | 0.40 | 0.00 | 0 | 0.00 |
16. Personale Associato INAF coinvolto
Numero di partecipanti Associati INAF: 1
| # | Struttura | TI 2023 | TI 2024 | TI 2025 | TD 2023 | TD 2024 | TD 2025 | Extra |
|---|---|---|---|---|---|---|---|---|
| 1 | INAF | 0 | 0 | 0 | 0.20 | 0.20 | 0.00 | 0.00 |
| Totali | 0.00 | 0.00 | 0.00 | 0.20 | 0.20 | 0.00 | 0.00 |
Fondi a sostegno
21. Totale fondi a disposizione (dato aggregato, k€)
| Certi 2023 | Certi 2024 | Certi 2025 | Presunti 2023 | Presunti 2024 | Presunti 2025 |
|---|---|---|---|---|---|
| 65.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
Produzione scientifica e tecnologica
22. Produzione scientifica e tecnologica - Highlights
Informazioni Pubbliche
<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, Muraveva et al. 2018, Muraveva et al. 2020; Gaia Collaboration, Clementini et al. 2017; Garofalo et al. 2022). <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</p>
15. Team members, Informazioni generali
15. Personale INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2023/2024/2025) | FTE Presunte (2023/2024/2025) | 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 |
|
16. Personale Associato INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2023/2024/2025) | FTE Presunte (2023/2024/2025) | Extra | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | gisella.clementini | gisella.clementini@inaf.it | INAF | N | Associato in quescienza | Partecipante | [0.2, 0.2, 0] | [-1.0, -1.0, None] | -1.0 |
21. Fondi a Sostegno Iniziativa
Financial support of 15k euro was received through Mini-Grant. Financial support of 35k was received from external funds to hire a senior postdoc.
Tabella fondi:
| # | Provenienza | Certi 2023 (k€) | Certi 2024 (k€) | Certi 2025 (k€) | Presun. 2023 (k€) | Presun. 2024 (k€) | Presun. 2025 (k€) | Totale Certi (k€) | Totale Presunti (k€) |
|---|---|---|---|---|---|---|---|---|---|
| 1 | INAF | 15 | 0 | 0 | 0 | 0 | 0 | 15 | 0 |
| 2 | ASI + fondi MITIC | 35 | 0 | 0 | 0 | 0 | 0 | 35 | 0 |
Tabella fondi Astrofisica Fondamentale e PNRR:
| # | Provenienza | Fondi 2023 (€) | Fondi 2024 (€) | Fondi 2025 (€) |
|---|---|---|---|---|
| 1 | INAF - Mini Grant | 15000.0 |