Scheda LENS-ML FINAL




Informazioni generali

LENses and Structural parameters with Machine Learning (Rubin-LSST-12)

LENS-ML

Programma

RSN1

Attività: In Itinere; Data inizio: 2016; Data fine: 2030

crescenzo.tortora crescenzo.tortora@inaf.it

L’attività ha lo scopo di sfruttare i vantaggi del machine learning per l’utilizzo dell’enorme mole di dati che arriverà grazie a survey future come Rubin e Euclid, partendo dall’analisi di survey in corso come KiDS, VOICE, Fornax Deep Survey, HSC. Si è principalmente concentrata in questi ultimi anni nell’utilizzo di reti neurali convoluzionali per cercare e modellare lenti gravitazionali e di altri metodi di machine learning per la classificazione di oggetti extragalattici. Stiamo ora lavorando per determinare i parametri strutturali delle galassie, sviluppare la separazione stelle/galassie, anche in vista dei dati che arriveranno grazie a Rubin ed Euclid. In particolare, alcune di queste procedure verranno implementate all’interno di una proposta in-kind del Rubin Observatory.

The activity aims at using the advantages of machine learning to exploit the enormous amount of data that will be observed in future surveys using Rubin Observatory and Euclid, starting from the analysis undergoing using current surveys, as KiDS, VOICE, HSC, etc. It mainly focussed on the use of convolutional neural networks to find and model gravitational lenses, and other machine learning methods for the classification of extragalactic sources. We are also working to determine structural parameters of galaxies, and develop a procedure for star/galaxy separation, looking at the data from Rubin and Euclid. In particular some of these procedures will be implemented within an in-kind proposal for the Rubin Observatory.

Cosmologia teorica ed osservativa

Galassie, AGN e loro evoluzione


Team Summary

15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 5
Struttura Nfte N0 TI 2024 TI 2025 TI 2026 TD 2024 TD 2025 TD 2026 Nex Extra
O.A. CAPODIMONTE 1 0 0.20 0.20 0.20 0 0 0 0 0.00
O.A. PADOVA 0 0 0.00 0.00 0.00 0 0 0 1 0.10
Totali 1 0 0.20 0.20 0.20 0.00 0.00 0.00 1 0.10
16. Personale Associato INAF coinvolto
Numero di partecipanti Associati INAF: 9
# Struttura TI 2024 TI 2025 TI 2026 TD 2024 TD 2025 TD 2026 Extra
1 Università di Napoli "Federico II" 0.20 0.20 0.20 0.40 0.40 0.40 0.00
2 University of Oxford, UK 0 0 0 0.00 0.10 0.10 0.10
3 University of Cambridge, Cambridge, UK 0 0 0 0.10 0.10 0.10 0.00
4 Uni Federico II 0.10 0.10 0.10 0 0 0 0.00
5 Uni Bologna 0 0 0 0.20 0.00 0.00 0.00
6 UniNa - INAF OACN 0.00 0.00 0.00 0 0 0 0.00
7 University of Cape Town 0.20 0.20 0.20 0 0 0 0.00
Totali 0.50 0.50 0.50 0.70 0.60 0.60 0.10

Fondi a sostegno

21. Totale fondi a disposizione (dato aggregato, k€)
Certi 2024 Certi 2025 Certi 2026 Presunti 2024 Presunti 2025 Presunti 2026
9.0 9.0 0.0 0.0 0.0 0.0

Produzione scientifica e tecnologica

22. Produzione scientifica e tecnologica - Highlights
# DOI Descrizione Azione
1 doi:10.1093/mnras/sty2683 Titolo: Testing Convolutional Neural Networks for finding strong gravitational lenses in KiDS Autori:C E Petrillo and C Tortora and S Chatterjee and G Vernardos and L V E Koopmans and G Verdoes Kleijn .... Publisher:Oxford University Press (OUP) Rivista: Monthly Notices of the Royal Astronomical Society Anno pubblicazione:2018
2 doi:10.1093/mnras/stx2052 Titolo: Finding strong gravitational lenses in the Kilo Degree Survey with Convolutional Neural Networks Autori:C. E. Petrillo and C. Tortora and S. Chatterjee and G. Vernardos and L. V. E. Koopmans and G. Verdo .... Publisher:Oxford University Press (OUP) Rivista: Monthly Notices of the Royal Astronomical Society Anno pubblicazione:2017
3 doi:10.1051/0004-6361/201936006 Titolo: KiDS-SQuaD Autori:Vladislav Khramtsov and Alexey Sergeyev and Chiara Spiniello and Crescenzo Tortora and Nicola R. Na .... Publisher:EDP Sciences Rivista: Astronomy \& Astrophysics Anno pubblicazione:2019
4 doi:10.3847/1538-4357/ab9dfa Titolo: New High-quality Strong Lens Candidates with Deep Learning in the Kilo-Degree Survey Autori:R. Li and N. R. Napolitano and C. Tortora and C. Spiniello and L. V. E. Koopmans and Z. Huang and N .... Publisher:American Astronomical Society Rivista: The Astrophysical Journal Anno pubblicazione:2020
5 doi:10.1093/mnras/stz189 Titolo: LinKS: discovering galaxy-scale strong lenses in the Kilo-Degree Survey using convolutional neural networks Autori:C E Petrillo and C Tortora and G Vernardos and L V E Koopmans and G Verdoes~Kleijn and M Bilicki an .... Publisher:Oxford University Press (OUP) Rivista: Monthly Notices of the Royal Astronomical Society Anno pubblicazione:2019
6 doi:10.3847/2041-8213/abc95b Titolo: Discovery of Two Einstein Crosses from Massive Post-blue Nugget Galaxies at z $\greater$ 1 in KiDS Autori:N. R. Napolitano and R. Li and C. Spiniello and C. Tortora and A. Sergeyev and G. D'Ago and X. Guo .... Publisher:American Astronomical Society Rivista: The Astrophysical Journal Anno pubblicazione:2020
7 10.1093/mnras/stab3386 Titolo: Lenses In VoicE (LIVE): searching for strong gravitational lenses in the VOICE@VST survey using convolutional neural networks Autori:Fabrizio Gentile and Crescenzo Tortora and Giovanni Covone and L\'eon V E Koopmans and Chiara S .... Publisher:Oxford University Press (OUP) Rivista: Monthly Notices of the Royal Astronomical Society Anno pubblicazione:2021
8 10.3847/1538-4357/ac2df0 Titolo: High-quality Strong Lens Candidates in the Final Kilo-Degree Survey Footprint Autori:R. Li and N. R. Napolitano and C. Spiniello and C. Tortora and K. Kuijken and L. V. E. Koopmans and .... Publisher:American Astronomical Society Rivista: The Astrophysical Journal Anno pubblicazione:2021
9 10.3847/1538-4357/ac5ea0 Titolo: Galaxy Light Profile Convolutional Neural Networks (GaLNets). I. Fast and Accurate Structural Parameters for Billion-galaxy Samples Autori:R. Li and N. R. Napolitano and N. Roy and C. Tortora and F. La Barbera and A. Sonnenfeld and C. Qiu .... Publisher:American Astronomical Society Rivista: The Astrophysical Journal Anno pubblicazione:2022
10 10.1051/0004-6361/202244081 Titolo: Galaxy morphoto-Z with neural Networks (GaZNets) Autori:Rui Li and Nicola R. Napolitano and Haicheng Feng and Ran Li and Valeria Amaro and Linghua Xie and .... Publisher:EDP Sciences Rivista: Astronomy \&amp$\mathsemicolon$ Astrophysics Anno pubblicazione:2022



Informazioni Pubbliche

<div style="text-align: justify;"><span style="font-family: var(--bs-font-sans-serif); font-size: 1rem;">Galaxies; Elliptical galaxies; Early-type galaxies; Galaxy evolution; High-redshift galaxies; Late-type galaxies; Gravitational lensing; Convolutional neural networks; Neural networks; GALCLOCK; MASSE; Astroinformatics; Rubin-LSST; EuclM2; EDGE</span></div>

<div style="text-align: justify;"><span style="background-color: rgb(255, 255, 255);"><span style="font-family: var(--bs-font-sans-serif); font-size: 1rem;">All'interno della comunità, abbiamo un ruolo importante nella ricerca di lenti gravitazionali con le CNN (con uno dei primi articoli sull'argomento, Petrillo et al. 2017), e leadership nella survey KiDS e lo avremo in futuro con i dati Euclid. In KiDS, stiamo usando GaLNet e GaZNet per determinare parametri strutturali e photo-z. In Euclid, Tortora, Covone<font color="#000000" style="">, Busillo </font>and Gentile fanno parte del gruppo di ricerca che si occuperà di trovare e modellare lenti gravitazionali. Spiniello è PI di KiDS-SQuaD e membro della collaborazione TDCOSMO<font color="#000000" style=""> per misurare H0 con quasar lensati</font>. <font color="#000000" style="">Tortora e Napolitano sono i PI </font>di un progetto in-kind per Rubin, per sviluppare tool per fittare i profili di luce delle galassie; <font color="#000000" style="">Tortora </font>è co-lead del WP-PPZ nello Euclid Local Universe-</span><span style="font-family: var(--bs-font-sans-serif); font-size: 1rem;">SWG</span><span style="font-family: var(--bs-font-sans-serif); font-size: 1rem;">, dove si utilizzano queste tecniche. Brescia, Cavuoti, Riccio hanno un ruolo in Euclid nella determinazione di photo-z e parametri fisici (scheda Astroinformatics). <font color="#000000" style="">Napolitano è lead&nbsp;</font></span><font color="#000000" style="font-family: var(--bs-font-sans-serif); font-size: 1rem;">del WG sulla classificazione delle sorgenti in 4MOST.</font></span></div>

<span style="background-color: rgb(255, 255, 255);">VST; Euclid; Rubi<font color="#000000" style="">n; 4MOST</font></span>


15. Team members, Informazioni generali


15. Personale INAF coinvolto

# Nome E-mail Struttura TI Qualifica Ruolo nel Progetto FTE Impegnate (2024/2025/2026) FTE Presunte (2024/2025/2026) Extra
1 crescenzo.tortora crescenzo.tortora@inaf.it O.A. CAPODIMONTE Y PRIMO RICERCATORE Ricerca di lenti gravitazionali, parametri strutturali, lead del progetto Rubin-LSST-12 X X X X X X X OK
2 mario.radovich mario.radovich@inaf.it O.A. PADOVA Y PRIMO RICERCATORE Analisi dati, ricerca cluster, caratterizzazione ambiente X X X X X X X OK
3 stefano.cavuoti stefano.cavuoti@inaf.it O.A. CAPODIMONTE Y PRIMO RICERCATORE Machine learning, redshift fotometrici X X X X X X X OK
4 francesco.labarbera francesco.labarbera@inaf.it O.A. CAPODIMONTE Y RICERCATORE Parametri strutturali X X X X X X X OK
5 giuseppe.riccio giuseppe.riccio@inaf.it O.A. CAPODIMONTE Y RICERCATORE machine learning X X X X X X X OK

16. Personale Associato INAF coinvolto

# Nome E-mail Struttura TI Qualifica Ruolo nel Progetto FTE Impegnate (2024/2025/2026) FTE Presunte (2024/2025/2026) Extra
1 nicola.napolitano nicolarosario.napolitano@unina.it Università di Napoli "Federico II" Y Ordinario rircerca di lenti, parametri strutturali [0.2, 0.2, 0.2] [0.0, 0.0, 0.0] 0.0
2 chiara.spiniello chiara.spiniello@inaf.it University of Oxford, UK N Hintze Fellow, post-doc Ricerca lenti, classificazione [0, 0.1, 0.1] [0.1, 0.1, 0.1] 0.1
3 giuseppe.dago gdago@ast.cam.ac.uk University of Cambridge, Cambridge, UK N Research Associate Analisi spettroscopica [0.1, 0.1, 0.1] [0.0, 0.0, 0.0] 0.0
4 giovanni.covone giovanni.covone@unina.it Uni Federico II Y Prof. associato Ricerca lenti [0.1, 0.1, 0.1] [0.0, 0.0, 0.0] 0.0
5 fabrizio.gentile fabrizio.gentile3@unibo.it Uni Bologna N PhD student Strong lensing, modellizzazione, reti neurali [0.2, 0, 0] [0.0, 0.0, 0.0] 0.0
6 valerio.busillo valerio.busillo@inaf.it Università di Napoli "Federico II" N PhD strong lensing, machine learning, simulations [0.4, 0.4, 0.4] [0.0, 0.0, 0.0] 0.0
7 massimo.brescia massimo.brescia@inaf.it UniNa - INAF OACN Y Professore associato Machine learning, redshift fotometrici, lead del progetto Rubin-LSST-3 [0, 0, 0] [0.0, 0.0, 0.0] 0.0
8 lucia.marchetti lucia.marchetti@uct.ac.za University of Cape Town Y Associato INAF strong lensing, machine learning [0.1, 0.1, 0.1] [0.0, 0.0, 0.0] 0.0
9 mattia.vaccari mattia.vaccari@uct.ac.za University of Cape Town Y Associato INAF strong lensing, machine learning [0.1, 0.1, 0.1] [0.0, 0.0, 0.0] 0.0

21. Fondi a Sostegno Iniziativa

Alcune delle attività sono state sviluppate negli scorsi anni all'intrerno di due Astrofit della durata di 2 e 3 anni, rispettivamente, aggiunti alle Funzioni Obiettivo. Un mini-grant ha finanziato alcune attività di questa scheda per le annualità 2023-2024


Tabella fondi:

# Provenienza Certi 2024 (k€) Certi 2025 (k€) Certi 2026 (k€) Presun. 2024 (k€) Presun. 2025 (k€) Presun. 2026 (k€) Totale Certi (k€) Totale Presunti (k€)
1 Mini-grant 9 9 0 0 0 0 18 0


Tabella fondi Astrofisica Fondamentale e PNRR:
# Provenienza Fondi 2024 (€) Fondi 2025 (€) Fondi 2026 (€)