ML / DL for Astrophysics @ SKA and NEANIAS

Machine Learning e Deep Learning forniscono algoritmi e soluzioni avanzate per il rilevamento di strutture in survey astronomiche.

Il tirocinio si propone di sviluppare tecniche all’avanguardia per eseguire classificazione automatica (supervisionata e non supervisionata) di sorgenti in mappe astronomiche multi-spettrali in diverse infrastrutture di calcolo (HPC e Cloud).

Tecnologie informatiche utilizzate: Python, Jupyter (https://jupyter.org/), Tensorflow (https://www.tensorflow.org/), PyTorch (https://pytorch.org/)

 

 Referenti: Simone Riggi (simone.riggi@inaf.it), Eva Sciacca (eva.sciacca@inaf.it), Carmelo Pino (carmelo.pino@inaf.it)

 

AREE DI RICERCA: Radioastronomia – Calcolo ad Alte Prestazioni per l’Astrofisica

DURATA: 2 – 4 mesi

PREREQUISITI:

  • Laurea Triennale in Informatica o in Ingegneria Informatica
Altre informazioni

Burke, Colin J., et al. “Deblending and classifying astronomical sources with Mask R- CNN deep learning.” Monthly Notices of the Royal Astronomical Society 490.3 (2019): 3952-3965. Available from Arxiv: https://arxiv.org/abs/1908.02748