Kozmológiai nagyskálás szerkezet vizsgálata észlelések és szimulációk segítségével  részletek

súgó  nyomtatás 
vissza »
 

Projekt adatai

  
azonosító
129148
típus NN
Vezető kutató Csabai István
magyar cím Kozmológiai nagyskálás szerkezet vizsgálata észlelések és szimulációk segítségével
Angol cím Study of Cosmological Large Scale Structure with Observations and Simulations
magyar kulcsszavak Kozmológia, Nagyskálás szerkezet, N-test szimuláció, Fotometrikus vöröseltolódások
angol kulcsszavak Cosmology, Large Scale Structure, N-body Simulation, Photometric Redshifts
megadott besorolás
Csillagászat (Műszaki és Természettudományok Kollégiuma)100 %
Ortelius tudományág: Kozmológia
zsűri Fizika 1
Kutatóhely Komplex Rendszerek Fizikája Tanszék (Eötvös Loránd Tudományegyetem)
résztvevők Dobos László
Kunsági-Máté Sándor
Rácz Gábor
projekt kezdete 2018-10-01
projekt vége 2024-04-30
aktuális összeg (MFt) 45.845
FTE (kutatóév egyenérték) 14.53
állapot aktív projekt





 

Zárójelentés

  
kutatási eredmények (magyarul)
A kozmológia standard LCDM-modellje nagyon sikeresnek bizonyult a különböző megfigyelések magyarázatában a kozmikus mikrohullámú háttérsugárzás (CMB) korai korszakától kezdve a galaxisok nagyméretű szerkezetének (LSS) kialakulásán keresztül a lokális Univerzumig. Az egyre pontosabb észlelések eredményeképp az utóbbi években bizonyos feszültségek alakultak ki a kulcsfontosságú kozmológiai paraméterek különböző mérései között. A kutatási projekt során az észlelési adatok jobb kiértékeléséhez fejlesztettünk módszereket, elemeztük a folyamatosan elérhető új észlelési adatokat valamint számítógépes kozmológiai szimulációkat hoztunk létre. Részletesebben, a projekt során a fotometriai vöröseltolódás-becslési technikákat fejlesztettük tovább fejlett gépi tanulási algoritmusok segítségével. Ezek felhasználásával több nagy felmérés összekapcsolásával teljes égboltra kiterjedő fotometriai vöröseltolódás-katalógusokat, „3D térképeket” készítettünk. Kidolgoztunk egy nagy dinamikai tartományú N-test szimulációs módszert, amely elkerüli a periodikus peremfeltételekhez kapcsolódó problémákat, és lehetővé teszi a standard kozmológián túli elméletek vizsgálatát. Vizsgáltuk a CMB-anomáliákat és az integrált Sachs-Wolfe-effektust a kozmológiai paraméterek korlátozására és a standard kozmológiai modellen túli modellek tesztelésére.
kutatási eredmények (angolul)
The standard LCDM model of cosmology has proven very successful in explaining a variety of observations from the early cosmic microwave background (CMB) to the formation of the Large Scale Structure (LSS) of galaxies and the local Universe. In recent years, increasingly precise observations have resulted in some tensions between different measurements of key cosmological parameters. In this research project, we have developed methods to better evaluate observational data, analysed new observational data and created cosmological computer simulations. In particular, during the project we improved photometric redshift estimation techniques using advanced machine learning algorithms. Using these we have created full sky photometric redshift catalogs, “3D maps” by cross-joining several major surveys. We have developed a multi-resolution N-body simulation method, that avoids problems related to periodic boundary conditions and makes it possible to investigate theories beyond the standard cosmology. We have investigated CMB anomalies and the integrated Sachs-Wolfe effect to constrain cosmological parameters and test models beyond the standard cosmological model.
a zárójelentés teljes szövege https://www.otka-palyazat.hu/download.php?type=zarobeszamolo&projektid=129148
döntés eredménye
igen





 

Közleményjegyzék

  
Rácz, G., Szapudi, I., Dobos, L., Csabai, I. and Szalay, A.S.: StePS: A multi-GPU cosmological N-body Code for compactified simulations., Astronomy and Computing, 28, p.100303., 2019
Ribli, D., Pataki, B.Á., Matilla, J.M.Z., Hsu, D., Haiman, Z. and Csabai, I.: Weak lensing cosmology with convolutional neural networks on noisy data., MNRAS Volume 490, Issue 2, Pages 1843–1860, 2019
Ribli, D., Dobos, L., Csabai, I.: Galaxy shape measurement with convolutional neural networks, MNRAS Volume 489, Issue 4, November 2019, Pages 4847–4859, 2019
Ribli, D., Pataki, B.Á. and Csabai, I.: An improved cosmological parameter inference scheme motivated by deep learning, Nature Astronomy, 3(1), p.93., 2019
Csabai, I., Dobos, L., Kiss, A., Szalai-Gindl, JM.: LOAD BALANCING IN DISTRIBUTED POINT CLOUD DATABASES, Annales Univ. Sci. Budapest., Sect. Comp. 49 97–116, 2019
Mirkó Mocskonyi: Deep learning alapú kozmológiai vöröseltolódás-becslés fotometriai képek alapján, ELTE BSc thesis, 2020
Géza Csörnyei: Generalized multi-wavelength classification of galaxies based on emission lines, ELTE MSc thesis, 2020
János M. Szalai-Gindl: Adatintenzív módszerek tudományos adatok kezelésére kozmológiai, térinformatikai és biológiai alkalmazásokkal, ELTE PhD thesis, 2020
Gábor Rácz: Kozmológiai modellek vizsgálata numerikus szimulációkkal, ELTE PhD thesis, 2020
Beck, R., McPartland, C., Repp, A., Sanders, D. and Szapudi, I.: Hawaii Two-0: high-redshift galaxy clustering and bias, MNRAS 493(2), pp.2318-2328., 2020
Beck, R., Szapudi, I., Flewelling, H., Holmberg, C., Magnier, E. and Chambers, K.C.: PS1-STRM: Neural network source classification and photometric redshift catalogue for PS1 3π DR1., MNRAS doi:10.1093/mnras/staa2587, 2020
Kovács, A., Beck, R., Szapudi, I., Csabai, I., Rácz, G. and Dobos, L.: A common explanation of the Hubble tension and anomalous cold spots in the CMB, MNRAS 499(1), pp.320-333, 2020
Rácz, G., Szapudi, I., Csabai, I. and Dobos, L.: The anisotropy of the power spectrum in periodic cosmological simulations, arXiv preprint arXiv:2006.10399, 2020
Beck, R., Glaser, Y., Sadowski, P. and Szapudi, I.: Refined Redshift Regression in Cosmology with Graph Convolution Networks, 33rd Conference on Neural Information Processing Systems (NeurIPS), Vancouver Canada, December 2019, 2019
Beck, R., Szapudi, I., Flewelling, H., Holmberg, C., Magnier, E. and Chambers, K.C.: PS1-STRM: Neural network source classification and photometric redshift catalogue for PS1 3π DR1., MNRAS doi:10.1093/mnras/staa2587, 2021
Rácz, G., Szapudi, I., Csabai, I. and Dobos, L.: The anisotropy of the power spectrum in periodic cosmological simulations, Monthly Notices of the Royal Astronomical Society, 503(4), pp.5638-5645., 2021
D. Ribli: Exploring domain adaptation with generative adversarial networks for galaxy images, Kavli Institute Summer School Report, 2019
Csörnyei, G., Dobos, L. and Csabai, I.: The effect of emission lines on the performance of photometric redshift estimation algorithms, Monthly Notices of the Royal Astronomical Society, 502(4), pp.5762-5778., 2021
Ribli Dezső (advisor: Csabai István): MESTERSÉGES NEURÁLIS HÁLÓZATOK ALKALMAZÁSA ÉS ELEMZÉSE ADATINTENZÍV TUDOMÁNYOS PROBLÉMÁKBAN, ELTE TTK PhD dissertation, 2021
Pál Balázs (advisor: Csabai István): Variábilis részecsketömegű kozmológiai szimulációk elemzése, ELTE TTK MSc thesis, 2021
Horváth Bendegúz (advisor: Csabai István): Galxiscsoportok kozmológiai vöröseltolódás becslésének javítása gépi tanulási módszerekkel, ELTE TTK MSc thesis, 2021
Kunsági-Máté Sándor: Decomposition of stellar populations in simulateddisk galaxies using the TensorFlow/Keras framework, XXXI ADASS Conference (24-28 October 2021, Cape Town, South Africa), 2021
Rácz, Gábor, István Szapudi, and István Csabai: An empirical nonlinear power spectrum overdensity response, Astronomy & Astrophysics 661 (2022): A96., 2022
Kunsági-Máté, Sándor, and István Csabai: Decomposition of stellar populations in CosmoDC2 galaxies using SCARLET and Deep Learning., Monthly Notices of the Royal Astronomical Society 512, no. 1 (2022): 1045-1, 2022
Beck, Róbert, S. Curt Dodds, and István Szapudi: WISE-PS1-STRM: neural network source classification and photometric redshifts for WISE× PS1, Monthly Notices of the Royal Astronomical Society 515, no. 4 (2022): 4711-4721., 2022
Kovács, A., Beck, R., Smith, A., Rácz, G., Csabai, I. and Szapudi, I: Evidence for a high-z ISW signal from supervoids in the distribution of eBOSS quasars, Monthly Notices of the Royal Astronomical Society, 513(1), pp.15-26., 2022
Kunsági-Máté, Sándor, Róbert Beck, István Szapudi, and István Csabai: Photometric redshifts for quasars from WISE-PS1-STRM, Monthly Notices of the Royal Astronomical Society, (2022) Volume 516, Issue 2, Pages 2662–2670, 2022
István Szapudi, Robert Beck, Curt Dodds: WISE + Pan-STARRS1 Source Types and Redshifts with Machine Learning (WISE-PS1-STRM), MAST archive at Space Telescope Science Institute, 2022
G. Rácz, A. Kiessling, I. Csabai, I. Szapudi: Complementary Cosmological Simulations, Astronomy & Astrophysics, 672, p.A59., 2023
G. Camacho-Ciurana, P. Lee, N. Arsenov, A. Kovács, I. Szapudi, I. Csabai: The CMB lensing imprint of cosmic voids detected in the WISE-Pan-STARRS luminous red galaxy catalog, Astronomy & Astrophysics, accepted, 2024
Euclid Collaboration: Y. Mellier et al. including A. Kovacs, G. Racz, I. Szapudi: Euclid. I. Overview of the Euclid mission, Astronomy & Astrophysics, submitted, 2024
Kunsági-Máté, Sándor: Machine Learning in Astronomy and Computational Finance, ELTE, PhD thesis, 2023
Balazs Pal, Laszlo Dobos: Denoising low resolution stellar spectra with neural networks, submitted, 2024
L. Dobos, A.S. Szalay, T. Budavari, E.N. Kirby, R.H. Lupton and R.F.G. Wyse: Uncertainty of line-of-sight velocity measurement of faint stars from low and medium resolution optical spectra, ApJ submitted, 2024




 

Projekt eseményei

  
2020-03-06 13:54:42
Résztvevők változása



vissza »