Tópicos em Métodos e Modelação em Astronomia

Código:

AST613

Sigla:

AST613

Áreas Científicas
Classificação	Área Científica
OFICIAL	Astronomia

Ocorrência: 2024/2025 - A

Ativa?	Sim
Unidade Responsável:	Departamento de Física e Astronomia
Curso/CE Responsável:	Programa Doutoral em Astronomia

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
PDA	8	P.E. do Programa Doutoral em Astronomia	1	-	6	30	162

Língua de trabalho

Inglês

Objetivos

Fornecer ao aluno uma série de técnicas, métodos, ferramentas e teorias a partir dos quais ele poderá construir modelos aplicáveis a fenómenos em astrofísica que, apesar de diferentes, podem ser modelados de forma análoga.

Como exemplo destes temos conceitos e métodos que podem ser usados no estudo de séries temporais em astronomia, ferramentas de inteligência artifical e "machine learning" relevantes para a astronomia ou métodos e teorias a partir dos quais se podem modelar jatos em astrofísica, desde os observados em objectos estelares jovens até aos jatos extra-galáticos.


Em 2024/2025 esta unidade curricular será composta pelos módulos A e B.

Módulo A: Séries Temporais em Astronomia  (15 hrs TP)
Professor: Tiago Campante Departmento de Física e Astronomia, FCUP

Fornecer ao aluno conceitos básicos e metodologias relevantes em séries temporias em Astronomia

Módulo B: "Machine Learning" e Inteligência Artificial para Astronomia (15 horas TP)
Docente: Jarle Brinchmann, Instituto de Astrofísica e Ciências Espaciais, CAUP, Porto

O objetivo deste curso é apresentar as ferramentas de Inteligência Artificial e "machine learning"  que são relevantes para a astronomia.

Os alunos terão de se familiarizar com:

- Como formular um problema na área;
- As principais ferramentas computacionais necessárias para   fazer uma experiência;
- Uma seleção de algoritmos e conceitos;
- O uso de ferramentas de software na prática.

Módulo C: Jatos em Astrofísica (15 hrs TP)

Professor: Christophe Sauty, Observatoire de Paris

Fornecer uma visão geral de fenómenos de acreção e de formação de jatos em todas as escalas do Universo,
nomeadamente:
- a dinâmica dos seus plasmas,
- os vários processos básicos de radiação,
- alguns dados observacionais e interpreetações teóricas.

Desde objetos estelares jovens até núcleos ativos de galáxias, mostrar quais os aspetos comuns e as principais diferenças entre os sistemas de acreção e os correspondentes jatos em várias escalas.

Resultados de aprendizagem e competências

Módulo A
Espera-se que o aluno adquira conhecimento e que se familiarize com uma série de técnicas que lhe permita abordar alguns dos aspetos mais comuns relacionados com a análise de séries temporais em astronomia.


Módulo B
O aluno deve adquirir uma compreensão das técnicas básicas de visualização e análise de grandes conjuntos de dados e entender como essas técnicas podem ser usadas para resolver problemas numa ampla gama de áreas astronômicas.

Módulo C
Conhecimento qualitativo de objetos astrofísicos onde a acreção e jatos ocorram. Competências teóricas acerca das equações básicas e dos modelos analíticos que governam esses fenómenos. Visão geral dos códigos numéricos usados neste tipo de problemas.

Modo de trabalho

Presencial

Programa

Módulo A

1. Séries temporais em Astronomia
2. Conceitos na análise de series temporais
3. Análise de domínio de tempo de dados distribuídos uniformemente ou não uniformemente
4. Análise spectral de dados distribuídos uniformemente ou não uniformemente
5. Modelação de estado de espaço
6. Séries temporais não estacionárias
7. Processos de memória longa
8. Séries temporais de multi-variáveis

 

Módulo B

1. Gerenciamento de dados e regressão simples.
Abrangendo git e SQL
Introdução ao aprendizado de máquina por meio de técnicas de regressão.

2. Métodos de visualização e inferência
Visualização de dados, o que fazer e o que não fazer
inferência clássica
inferência bayesiana
MCMC

3. Estimativa de densidade e escolha do modelo
Estimando densidades, paramétricas e não paramétricas
Compensação de viés-variância
Validação cruzada
Classificação

4. Redução dimensional
Padronização de dados.
Análise do componente principal
Aprendizado múltiplo

5. Métodos de ensemble, redes neurais, aprendizado profundo
Métodos de regressão local
Florestas aleatórias e outros métodos de reforço
Redes neurais e aprendizado profundo

Bibliografia Obrigatória

Feigelson, E. D. & Babu, G. J; Modern Statistical Methods for Astronomy with R applications, Cambridge University Press, 2012
Hastie, Tibshirani and Friedman; The Elements of Statistical Learning (2nd edition) , Springer-Verlag. 763 pages. , 2009. ISBN: https://web.stanford.edu/~hastie/ElemStatLearn/
Simon O. Haykin; Neural Networks and Learning Machines, 3/E, Prentice Hall, 2009. ISBN: 0131471392
Arnab Rai Choudhuri; The physics of fluids and plasmas: an introduction for astrophysicists, Cambridge University Press, 1998. ISBN: 0-521-55543-4

Bibliografia Complementar

Cowpertwait, P. S. P. & Metcalfe, A. V.; Introductory Time Series with R, Springer, 2006
Shumway, R. H. & Stoffer, D. S. ; Time Series Analysis and Its Applications with R Examples, Springer, 2006
Landau & Lifshitz; Fluid Mechanics, 2nd edition, Butterworth-Heinemann, 1987. ISBN: 978-0750627672
F. Shu; The physics of astrophysics, Vol II: Gas Dynamics , University Science books, 2009. ISBN: 978-1891389672

Métodos de ensino e atividades de aprendizagem

Módulo A
Método expositivo seguido de aplicações a dados astronómicos usando a software estatístico R. Ajuda na resolução de problemas.
Avaliação através de um trabalho de índole prática.

Módulo B
Método expositivo seguido de aplicações a problemas de astronomia.
Avaliação através de um trabalho de índole prática.

Módulo C
Método expositivo com acompanhamento de notas. Discussão de problemas.
Avaliação através de um teste final.

Palavras Chave

Ciências Físicas > Astronomia
Ciências Físicas > Astronomia > Astrofísica

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho escrito	100,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	132,00
Frequência das aulas	30,00
Total:	162,00

Obtenção de frequência

Tem frequência à disciplina o aluno que não faltar a mais de 1/4 das aulas teorico-praticas previstas.

Fórmula de cálculo da classificação final

Módulo A
Nota Final =  Nota to Relatório

 

Módulo B
Nota Final = Nota do Relatório


Módulo C
Nota Final = Nota do Teste (com consulta)

Observações

Júri da unidade curricular:

Pedro Avelino
João Lima