Estimativa do redshift fotométrico de galáxias utilizando redes neurais artificiais

Autores/as

DOI:

https://doi.org/10.47456/Cad.Astro.v7nEspecial.53390

Palabras clave:

Galáxias, Redshift, Redes Neurais

Resumen

Trabalho apresentado no evento As Astrocientistas: III Encontro Brasileiro de Meninas e Mulheres da Astrofísica, Cosmologia e Gravitação, realizado entre os dias 31 de março e 4 de abril de 2025.

Biografía del autor/a

  • Sofia Brito, Universidade Estadual de Campinas (UNICAMP)

    Sofia Garcia Telles Brito (sofiagarciatelles@gmail.com) é Bacharela em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas (UNICAMP) e possui interesse em Astronomia, Cosmologia, Aprendizado de Máquina e Processamento de Imagem. (Currículo Lattes: https://lattes.cnpq.br/9686182889855838)

  • Flávia Sobreira, Universidade Estadual de Campinas (UNICAMP)

    Dra. Flavia Sobreira (sobreira@ifi.unicamp.br) é professora e pesquisadora da Unicamp. Trabalha na área de Cosmologia com ênfase na pesquisa sobre a aceleração do universo. (Currículo Lattes: https://lattes.cnpq.br/2432352931378666)

Referencias

[1] K. d. Oliveira, Astronomia e Astrofísica (Editora Livraria da Física, São Paulo, 2014), 3 ed.

[2] D. G. York et al., The sloan digital sky survey: Technical summary, Astronomical Journal 120, 1579 (2000).

[3] B. Abareshi et al., Overview of the instrumentation for the dark energy spectroscopic instrument, Astronomical Journal 164, 207 (2022).

[4] I. Sadeh, F. B. Abdalla e O. Lahav, Annz2 photometric redshift and probability distribution function estimation using machine learning, arXiv:1507.00490 1–22 (2016), university College London, UK; Rhodes University.

[5] Z. Ivezic, A. Connolly, J. VanderPlas e A. Gray, Statistics, Data Mining, and Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data (Princeton University Press, 2014).

[6] J. A. Newman e D. Gruen, Photometric redshifts for next-generation surveys, arXiv:2206.13633 (2022), disponível em: https://arxiv. org/pdf/2206.13633.pdf.

[7] ROOT Collaboration, Root - data analysis framework, ROOT TMVA Manual (2024), disponível em: https://root.cern/manual/tmva/.

[8] I. Sadeh, Annz2 code and documentation, GitHub repository (2024), disponível em: https://github.com/IftachSadeh/ANNZ.

[9] A. A. Collister e O. Lahav, Annz: Estimating photometric redshifts using artificial neural networks, arXiv preprint astro-ph/0311058 1–6 (2004), university of Cambridge, Cambridge, UK.

Descargas

Publicado

2026-07-30

Número

Vol. 7 Núm. Especial (2026): As Astrocientistas: III Encontro Brasileiro de Meninas e Mulheres da Astrofísica, Cosmologia e Gravitação

Sección

Resumos de Pôsteres

Licencia

Derechos de autor 2026 Sofia Garcia Telles Brito, Flávia Sobreira

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Cómo citar

[1]
S. Brito y F. Sobreira, «Estimativa do redshift fotométrico de galáxias utilizando redes neurais artificiais», Cad. Astro., vol. 7, n.º Especial, pp. 109–114, jul. 2026, doi: 10.47456/Cad.Astro.v7nEspecial.53390.