N-body simulations meet ML for structure detection and analysis
Nieuwe algoritmes geven inzicht in botsende sterrenstelsels
Recente vooruitgangen in geheugen en rekenkracht op kleinschalige computers maken nieuwe algoritmen mogelijk die zijn afgestemd op hun capaciteiten. In zijn proefschrift gebruikt Felipe Contreras Sepulveda deze ontwikkelingen voor nieuwe methodes waarmee hij botsende sterrenstelsels en de resulterende sterrenstroom door de tijd heen kan analyseren.
Contreras Sepulveda introduceert QUANTIZER, een nieuwe N-lichaamssimulatie die speciaal is ontworpen voor kleinschalige apparaten. Daarnaast verbetert hij 1-DREAM, een toolkit met machinelearning-algoritmen. Deze updates omvatten een innovatieve kernopzet voor de N-lichaamscode en ideeën afkomstig uit zwermintelligentie, evolutionaire computation en probabilistische modellering. Hierdoor detecteert, extraheert en modelleert 1-DREAM eendimensionale structuren in complexe datasets veel effectiever. Contreras Sepulveda heeft deze methoden getest op simulaties van het kosmische web, stelselbotsingen, synthetische datasets en andere systemen, waarbij hij de prestaties vergeleek met gevestigde tools om nauwkeurigheid en efficiëntie in uiteenlopende scenario’s te evalueren.
Na het versterken van beide methodologieën heeft Contreras Sepulveda ze samengebracht in één geïntegreerd raamwerk. QUANTIZER werd gebruikt om stelselbotsingen te simuleren, terwijl 1-DREAM de resulterende sterrenstromen en hun evolutie analyseerde. Deze gecombineerde aanpak maakt het mogelijk om astrofysische structuren niet alleen in de ruimte maar ook door de tijd heen te bestuderen, wat een duidelijker en dynamischer beeld van hun ontwikkeling biedt. Het onthult subtiele, voorheen ontoegankelijke patronen en ondersteunt een dieper begrip van complex kosmisch gedrag.
Felipe Contreras Sepulveda voerde zijn onderzoek uit bij het Kapteyn Astronomical Institute.