Improvement of farside activity detection with machine learning techniques and applications
Hasta ahora, la única formar de monitorizar de manera consistente el hemisferio del Sol no visible (farside de aquí en adelante) desde la Tierra es el uso de métodos heliosísmicos. Estos métodos interpretan las oscilaciones del hemisferio visible (nearside de aquí en adelante) para inferir la actividad del farside, que es de gran importancia en las
Esta tesis doctoral está dedicada al estudio de la formación y evolución de galaxias en un contexto cosmológico, aprovechando la potencia de la computación de alto rendimiento con un énfasis particular en la computación acelerada por tarjetas gráficas (GPU). Para avanzar en el campo, la tesis se enfoca en ampliar las capacidades del código público
UNCOVERING THE PHYSICS OF GALAXIES WITH SELF-SUPERVISED DEEP LEARNING
As surveys grow, the challenge is how to explore and interpret the increasing quantity of data. For this, removing the observational biases and reducing the dimensionality of the data are fundamental. A promising avenue to do this is a self-supervised deep learning algorithm called contrastive learning. Contrastive learning is especially effective