Aprendizaje automático para modelos de PSF basados en el frente de onda

Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires

Detalles Bibliográficos
Autor principal: Centofanti, Ezequiel Tomás
Otros Autores: Rey Vega, Leonardo
Formato: Tesis de grado tesis de grado
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ingeniería 2023
Materias:
APRENDIZAJE AUTOMATICO
COSMOLOGÍA
OPTIMIZACION
PROBLEMAS INVERSOS
PROCESAMIENTO DE IMAGENES
PSF
WEAK LENSING
Acceso en línea:http://bibliotecadigital.fi.uba.ar/items/show/19585
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aiggtesis&d=19585_oai
Aporte de:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-19585_oai
record_format dspace
spelling I28-R145-19585_oai2023-08-30 Rey Vega, Leonardo Centofanti, Ezequiel Tomás 2023-08-11 Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires Disciplina: Ingeniería Electrónica Fil: Centofanti, Ezequiel Tomás. Universidad de Buenos Aires. Facultad de Ingeniería En astrofísica y cosmología, como en tantos otros dominios de la física, las próximas décadas traerán consigo nuevas generaciones de instrumentos extremadamente potentes, como el telescopio Euclid o el Nancy Grace Roman Space Telescope. Un modelo preciso de la función de dispersión de punto (PSF), caracterización de la respuesta impulsiva del sistema ´óptico, es un requisito fundamental para cumplir con los ambiciosos objetivos cient´ıficos actuales. El método WaveDiff es un modelo semiparamétrico, diferenciable, para la estimación de la PSF basada en observaciones (data driven). Este modelo, desarrollado en el laboratorio CosmoStat, reconstruye la PSF directamente en el espacio de frente de onda y está basado en un modelo óptico completamente diferenciable que incorpora el proceso físico que permite obtener la PSF en el espacio de píxeles a partir del error en el espacio de frente de onda (WFE, wavefront error), integrando la variación espectral de la PSF sobre el ancho de banda del telescopio en conjunto con la distribución espectral de energía (SED) de las estrellas observadas. En este trabajo se realiza un estudio de errores de predicción con respecto a las aberraciones presentes en las SED utilizadas. Se propone un método para mitigar el impacto de las degradaciones de las SED (integración espectral o binning y ruido en las mediciones fotométricas) sobre la optimización y predicciones del modelo. Se optimiza el método WaveDiff con datasets de diferentes tamaños con el fin de evaluar posibles beneficios gracias al incremento del número de observaciones, a costas de un aumento en el tiempo de cómputo y recursos de memoria. Finalmente, se propone un nuevo paradigma de optimización para el modelo semiparamétrico, el cual permite mejorar sustancialmente la optimización del modelo paramétrico, disminuyendo los errores de predicción tanto en el espacio de pixeles como en el espacio de frente de onda. http://bibliotecadigital.fi.uba.ar/items/show/19585 spa Universidad de Buenos Aires. Facultad de Ingeniería info:eu-repo/semantics/openAccess APRENDIZAJE AUTOMATICO COSMOLOGÍA OPTIMIZACION PROBLEMAS INVERSOS PROCESAMIENTO DE IMAGENES PSF WEAK LENSING Aprendizaje automático para modelos de PSF basados en el frente de onda info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado tesis de grado http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aiggtesis&d=19585_oai
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
topic APRENDIZAJE AUTOMATICO
COSMOLOGÍA
OPTIMIZACION
PROBLEMAS INVERSOS
PROCESAMIENTO DE IMAGENES
PSF
WEAK LENSING
spellingShingle APRENDIZAJE AUTOMATICO
COSMOLOGÍA
OPTIMIZACION
PROBLEMAS INVERSOS
PROCESAMIENTO DE IMAGENES
PSF
WEAK LENSING
Centofanti, Ezequiel Tomás
Aprendizaje automático para modelos de PSF basados en el frente de onda
topic_facet APRENDIZAJE AUTOMATICO
COSMOLOGÍA
OPTIMIZACION
PROBLEMAS INVERSOS
PROCESAMIENTO DE IMAGENES
PSF
WEAK LENSING
description Grado obtenido: Ingeniero/a Electrónico de la Universidad de Buenos Aires
author2 Rey Vega, Leonardo
author_facet Rey Vega, Leonardo
Centofanti, Ezequiel Tomás
format Tesis de grado
Tesis de grado
tesis de grado
author Centofanti, Ezequiel Tomás
author_sort Centofanti, Ezequiel Tomás
title Aprendizaje automático para modelos de PSF basados en el frente de onda
title_short Aprendizaje automático para modelos de PSF basados en el frente de onda
title_full Aprendizaje automático para modelos de PSF basados en el frente de onda
title_fullStr Aprendizaje automático para modelos de PSF basados en el frente de onda
title_full_unstemmed Aprendizaje automático para modelos de PSF basados en el frente de onda
title_sort aprendizaje automático para modelos de psf basados en el frente de onda
publisher Universidad de Buenos Aires. Facultad de Ingeniería
publishDate 2023
url http://bibliotecadigital.fi.uba.ar/items/show/19585
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aiggtesis&d=19585_oai
work_keys_str_mv AT centofantiezequieltomas aprendizajeautomaticoparamodelosdepsfbasadosenelfrentedeonda
_version_ 1782032819696959488

Ejemplares similares