Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

AYA2014-58350-JIN

Financiado

DESARROLLO DE METODOS DE DEEP LEARNING PARA LA RECONSTRUCCION DE DATOS DE ARRAY...

DESARROLLO DE METODOS DE DEEP LEARNING PARA LA RECONSTRUCCION DE DATOS DE ARRAY DE TELESCOPIOS CHERENKOV EL CHERENKOV TELESCOPE ARRAY (CTA) PERTENECE A LA PROXIMA GENERACION DE OBSERVATORIOS DE RAYOS GAMMA PARA ESTUDIAR EL UNIVERSO A MUY ALTA ENERGIA, SERA APROXIMADAMENTE UN FACTOR DIEZ MAS SENSIBLE QUE LOS TELESCOPIOS DE RAYOS GAMMA... ver más

01/01/2014

IFMIF- DONES

174K€

Presupuesto del proyecto: 174K€

Líder del proyecto

IFMIF- DONES No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5 | 42M€

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2014-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

IFMIF- DONES

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

ML-SMBH Multifrequency and Machine Learning methods to Search for Ea... 173K€ Cerrado

FPA2015-73913-JIN MEJORANDO NUESTRA VISION DEL UNIVERSO EN RAYOS GAMMA: NUEVAS... 206K€ Cerrado

FASTIDIoUS Fully Autonomous Search Tool to Investigate Directly Images... 173K€ Cerrado

FPA2010-16495 ANALISIS DE DATOS Y SIMULACIONES DE FUENTES PARA LOS DETECTO... 264K€ Cerrado

MMMonsters The first multi-messenger detection of a supermassive black... 2M€ Cerrado

BES-2011-049061 ANALISIS DE DATOS Y SIMULACIONES DE FUENTES PARA LOS DETECTO... 43K€ Cerrado

Líder del proyecto

IFMIF- DONES No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5 | 42M€

Presupuesto del proyecto 174K€

Descripción del proyecto EL CHERENKOV TELESCOPE ARRAY (CTA) PERTENECE A LA PROXIMA GENERACION DE OBSERVATORIOS DE RAYOS GAMMA PARA ESTUDIAR EL UNIVERSO A MUY ALTA ENERGIA, SERA APROXIMADAMENTE UN FACTOR DIEZ MAS SENSIBLE QUE LOS TELESCOPIOS DE RAYOS GAMMA ACTUALES, LO QUE PERMITIRA PROFUNDIZAR EN AREAS COMO LA ASTRONOMIA, LA ASTROFISICA Y LA FISICA FUNDAMENTAL,EL OBJETIVO DEL PROYECTO DEEPLEARNCTA ES CLASIFICAR LAS IMAGENES DE LOS TELESCOPIOS CHERENKOV, LOS TELESCOPIOS CHERENKOV CAPTAN UNA IMAGEN DE LA LUZ CHERENKOV PRODUCIDA EN LA ATMOSFERA DE LA TIERRA, CAUSADA POR LA PROPAGACION DE LA CASCADA ELECTROMAGNETICA QUE ES GENERADA POR UN RAYO GAMMA COSMICO, ESTA IMAGEN REPRESENTA LA CASCADA ELECTROMAGNETICA EN LA ATMOSFERA Y SE UTILIZA PARA IDENTIFICAR EL RAYO GAMMA PRIMARIO, LAS CASCADAS ELECTROMAGNETICAS GENERADAS POR RAYOS GAMMA TIENEN QUE SER SEPARADAS DE LAS MAS ABUNDANTES CASCADAS GENERADAS POR HADRONES, LA SEPARACION DE ESTOS DOS TIPOS DE CASCADAS BASADA EN SU DIFERENTE PATRON DE IMAGEN, ES ESENCIAL PARA LOS TELESCOPIOS CHERENKOV,EN GENERAL, LAS IMAGENES PERTENECEN A UNA DE DOS PRINCIPALES CATEGORIAS: LAS CASCADAS EN EL AIRE GENERADAS POR HADRONES Y CASCADAS EN EL AIRE GENERADAS POR RAYOS GAMMA, EN EL CASO DE LAS IMAGENES QUE NO PUEDAN SER CATEGORIZADAS COMO DE NINGUNO DE ESTOS DOS TIPOS, CORRESPONDEN A UNA CASCADA INICIADA POR UN MUON O PUEDE SER UN ARTEFACTO DE LOS DATOS, UNA MEJOR CLASIFICACION DE TODOS ESTOS OBJETOS RESPECTO A LA ACTUAL, PODRIA REPRESENTAR UN GRAN PASO ADELANTE EN EL CAMPO DE LA ASTRONOMIA OBSERVACIONAL DE RAYOS GAMMA Y NOS ACERCARIA A UNA MEJOR COMPRENSION DE LA COMPOSICION Y EL ORIGEN DEL UNIVERSO,EL NOVEDOSO PROYECTO DEEPLEARNCTA SE CENTRARA EN UN SISTEMA QUE CONSTA DE UN ALGORITMO DE PROCESAMIENTO DE IMAGEN RELACIONADO CON EL CONOCIMIENTO BASADO EN CLASIFICADORES UTILIZANDO SOLAMENTE LAS IMAGENES NO TRATADAS DEL TELESCOPIO CHERENKOV, TALES PROBLEMAS DE CATEGORIZACION DE IMAGENES CON UN GRAN NUMERO DE ENTRADAS SON RESUELTOS CON EXITO POR METODOS DE APRENDIZAJE PROFUNDO (DEEP LEARNING) QUE PROPORCIONAN UNAS REPRESENTACIONES DE DATOS OPTIMAS, EL USO DE APRENDIZAJE PROFUNDO OFRECE MUCHAS MANERAS UTILES DE ABORDAR PROBLEMAS QUE SON DIFICILES DE RESOLVER POR OTROS METODOS, EL APRENDIZAJE PROFUNDO ES UNA NUEVA AREA DE INVESTIGACION DEL APRENDIZAJE AUTOMATICO Y SE HA APLICADO A PROBLEMAS COMPLEJOS COMO EL RECONOCIMIENTO DE IMAGENES, RECONOCIMIENTO DE LENGUAJE Y PROCESAMIENTO DEL HABLA, ESTAS NUEVAS TECNICAS ESTAN IMPACTANDO EN LA INDUSTRIA DIGITAL Y LA DE BIG DATA, DESPUES DE DESARROLLAR Y ESTUDIAR EL ALGORITMO DE APRENDIZAJE PROFUNDO PARA HACER FRENTE A LA CLASIFICACION DE IMAGENES DE TELESCOPIOS CHERENKOV, SERA TAMBIEN EMPLEADO PARA PROBLEMAS RELACIONADOS CON LA RECONSTRUCCION DE LA ENERGIA Y LA DETERMINACION DE LA DIRECCION ORIGINAL DE LLEGADA DE LOS RAYOS GAMMA, EL ALGORITMO DE APRENDIZAJE PROFUNDO DESARROLLADO Y VALIDADO TAMBIEN SERA APLICADO A DATOS REALES OBTENIDOS POR EL EXPERIMENTO MAGIC, UN TELESCOPIO CHERENKOV ACTUAL,EXPLOTAR EL PROYECTO DEEPLEARNCTA ABRE LA POSIBILIDAD DE HACER NO SOLO INTERESANTES OBSERVACIONES ASTROFISICAS, SINO TAMBIEN PERMITE CONTRIBUIR DE MANERA SIGNIFICATIVA AL CAMPO DE APRENDIZAJE AUTOMATICO EN ASTROFISICA DE PARTICULAS, ASTRÓFISICA DE PARTÍCULAS\DEEP LEARNING\RECONOCIMIENTO DE IMÁGENES\RECONOCIMIENTO DE PATRONES\TELESCOPIO CHERENKOV

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores