Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

TraDE-DML

Financiado

Cerrado

Tracing Dynamical Evolution of Dark Matter via Machine Learning

"We plan to answer two pivotal questions of modern astrophysics: the nature of dark matter and its interaction with baryonic processes. Utilizing galaxy observations and cosmological hydrodynamical galaxy simulations across a reds... ver más

31/08/2027

CNRS

Presupuesto desconocido

Líder del proyecto

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto

HORIZON-MSCA-2023-PF-01-01: MSCA Postdoctoral Fellowships 2023 ExpectedOutcome:Project results are expected to contribute to the following outcomes:

I+D

Cerrada hace 1 año

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

CNRS

Lider

Proyectos interesantes

AYA2017-89891-P

Data Science

Applied Physics

110K€ Cerrado

PID2020-120612GB-I00

Data Science

Applied Physics

130K€ Cerrado

RYC2021-034104-I

Data Science

Applied Physics

236K€ Cerrado

ASTROSTAT

Data Science

Applied Physics

653K€ Cerrado

BayeSN

Data Science

Applied Physics

2M€ Cerrado

FASTIDIoUS

Data Science

Applied Physics

173K€ Cerrado

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

Duración del proyecto: 23 meses Fecha Inicio: 2025-09-01
Fecha Fin: 2027-08-31

Líder del proyecto

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto "We plan to answer two pivotal questions of modern astrophysics: the nature of dark matter and its interaction with baryonic processes. Utilizing galaxy observations and cosmological hydrodynamical galaxy simulations across a redshift range of z = 0.3-2.5, we will examine 3-10 Gyr of cosmic history. We propose to ""Trace the Dynamical Evolution of Dark Matter via Machine Learning""- TraDE-DML, that pioneers an advanced methodology for assessing the dynamical masses of galaxies, aiming for unprecedented precision in the quantification of both baryonic and dark matter components. Unlike conventional velocity profile studies, TraDE-DML eliminates assumptions of symmetry and dynamical equilibrium, substantially reducing uncertainties in dark matter estimates. Our project aims to exploit existing and future survey data, preparing for expansive telescopic projects like ELT and SKA. Simple in concept but revolutionary in application, the machine learning techniques used in TraDE-DML are poised for transformative advances in dark matter studies, particularly in determining its central density slope. By synergistically integrating knowledge from observational astronomy, theoretical physics, machine learning, and statistics, TraDE-DML aims to make significant strides in unraveling the elusive nature of dark matter. As an expert in observational data analysis with privileged access to leading galaxy surveys like MAGPI and MIGHTEE, I possess the skills to efficiently extract and analyse pertinent data. The host, Dr. Benoit Famaey, excels in galaxy dynamics and alternative dark matter theories. Supported by a team versed in cosmological simulations and machine learning experts at the Inter-disciplinary Institute IRMIA++, we form a unique research synergy. Utilizing advanced machine learning frameworks and leveraging expansive survey data, TraDE-DML is well-positioned for immediate execution. "

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores