Fechar
Metadados

@PhDThesis{StalderDiaz:2017:ApCoSt,
               author = "Stalder Diaz, Diego Herbin",
                title = "Applied computing to study structural and enviromental properties 
                         of SDSS's galaxies / Computa{\c{c}}{\~a}o aplicada ao estudo das 
                         propriedades estruturais e ambientais de gal{\'a}xias do SDSS",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2017",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2017-04-27",
             keywords = "computational cosmology, elliptical galaxies, bayesian statistics, 
                         galaxies structure and environment, groups and clusters, 
                         cosmologia computacional, gal{\'a}xias el{\'{\i}}pticas, 
                         estat{\'{\i}}sticas bayesiana, gal{\'a}xias estructura e 
                         ambiente, grupos e aglomerados de gal{\'a}xias.",
             abstract = "The exponential growth of data from cosmological simulations and 
                         observational catalogs has motivated the development and 
                         application of new computational techniques for the study of 
                         galaxy properties. In this context, two topics are addressed in 
                         this thesis in applied computing: (i) The study of the galaxy 
                         structural properties using a Bayesian approach; (ii) The 
                         investigation of the gaussianity of the velocity distribution of 
                         groups and clusters. We study the use of a Bayesian approach for 
                         modeling images of elliptical galaxies using a tool called GALPHAT 
                         (GALaxy PHotometric ATtributes). This work has improved the 
                         accuracy of the numerical integration involved in this 
                         application, as well its capability to handle a large data sets. 
                         Thus, the present research proposes a new pipeline, written in 
                         python, for GALPHAT, called PyPiGALHAT, developed and tested, to 
                         analyze of a large set of galaxies in a high performance computing 
                         environment (HPC). PyPiGALPHAT has been validated considering 
                         several sets of synthetic galaxy images, generated using 
                         S{\'e}rsics law. This application allowed us to improve GALPHAT 
                         and measure its ability to recover the true galaxy parameters. The 
                         results indicate that the Bayesian approach provides more robust 
                         and reliable values, compared to frequentist approaches (GALFIT). 
                         Once the improvement was established via PyPiGALPHAT, it was 
                         applied to real images of bright elliptical galaxies observed by 
                         the Sloan Digital Sky Survey (SDSS). The results of SDSS data 
                         analysis indicate that the use of PyPiGALPHAT provides 
                         complementary informations and more reliable results than a 
                         frequentist approach (eg. GALFIT). The second part of this project 
                         is related to the study of a new systematics to characterize the 
                         galaxy environment. In general the environment is defined in terms 
                         of the local density of galaxies or the mass of the dark matter 
                         halo mas of the cluster / group. In this case, we classify the 
                         groups according to their galaxy velocity distribution. We study 
                         two particular techniques to measure how far the distributions are 
                         from a Gaussian, which indicates the state of equilibrium of the 
                         system. The first method, try to identify a mixture of gaussians 
                         (two) for justifying the velocity distribution while the second 
                         simply measures the distance between two distributions (Hellingers 
                         distance). We have shown that our measurements of gaussianity are 
                         robust and reliable, and that the environment is correlated with 
                         galaxy properties, suggesting that gaussian systems have a higher 
                         infall rate, assembling more galaxies which suffered a 
                         preprocessing before entering the groups. This technique, 
                         unprecedented in cosmological applications, has proved to be an 
                         excellent tool for analyzing large-scale structures in the 
                         Universe. RESUMO: O crescimento exponencial da quantidade de dados 
                         provenientes das simula{\c{c}}{\~o}es cosmol{\'o}gicas e de 
                         cat{\'a}logos observacionais tem motivado o desenvolvimento e 
                         aplica{\c{c}}{\~a}o de novas t{\'e}cnicas computacionais para o 
                         estudo das propriedades das gal{\'a}xias. Dentro deste contexto, 
                         dois t{\'o}picos foram abordados nesta tese em 
                         computa{\c{c}}{\~a}o aplicada: (i) O estudo das propriedades 
                         estruturais de gal{\'a}xias utilizando uma abordagem Bayesiana; 
                         (ii) Detec{\c{c}}{\~a}o de n{\~a}o-gaussianidade na 
                         distribui{\c{c}}{\~a}o de velocidades de gal{\'a}xias em 
                         grupos. Inicialmente estudamos a utiliza{\c{c}}{\~a}o de uma 
                         abordagem Bayesiana para a modelagem de imagens de gal{\'a}xias 
                         el{\'{\i}}pticas utilizando uma ferramenta chamada GALPHAT 
                         (GALaxy PHotometric ATtributes). Nesse contexto, destaca-se a 
                         necessidade de encontrar solu{\c{c}}{\~o}es para melhorar a 
                         precis{\~a}o da integra{\c{c}}{\~a}o num{\'e}rica envolvida 
                         nesta aplica{\c{c}}{\~a}o, al{\'e}m de aumentar o seu 
                         desempenho para lidar com um grande volume de dados. Dessa forma, 
                         a presente pesquisa prop{\~o}e um novo pipeline, escrito em 
                         python, para o GALPHAT, denominado PyPiGALPHAT (Python Pipelining 
                         GALPHAT), desenvolvido e testado, para a an{\'a}lise de um grande 
                         conjunto de gal{\'a}xias num ambiente computacional de alto 
                         desempenho (HPC). O PyPiGALPHAT foi validado considerando 
                         v{\'a}rios conjuntos de imagens sint{\'e}ticas de gal{\'a}xias 
                         geradas utilizando a lei de S{\'e}rsic. Essa 
                         aplica{\c{c}}{\~a}o permitiu aprimorar o GALPHAT e medir a sua 
                         capacidade de recuperar os valores verdadeiros. Os resultados 
                         indicam que a abordagem Bayesiana fornece valores mais robustos e 
                         confi{\'a}veis quando comparados com abordagens frequentistas 
                         (GALFIT). Uma vez consolidado o melhoramento via PyPiGALPHAT, o 
                         mesmo foi aplicado sobre imagens reais de gal{\'a}xias 
                         el{\'{\i}}pticas brilhantes, observadas pelo Sloan Digital Sky 
                         Survey (SDSS). Os resultados da an{\'a}lise dos dados do SDSS 
                         indicam que o uso do PyPiGALPHAT fornece informa{\c{c}}{\~o}es 
                         complementares e mais confi{\'a}veis, sobre os par{\^a}metros 
                         estruturais, em compara{\c{c}}{\~a}o com a abordagem 
                         frequentista (GALFIT). A segunda parte desta tese relaciona-se com 
                         o estudo de uma nova sistem{\'a}tica para caracterizar o ambiente 
                         onde as gal{\'a}xias se encontram. Em geral o ambiente {\'e} 
                         definido em termos da densidade local de gal{\'a}xias ou da massa 
                         do halo de mat{\'e}ria escura do grupo/aglomerado. Neste caso, 
                         utilizamos a distribui{\c{c}}{\~a}o de velocidades das 
                         gal{\'a}xias pertencentes {\`a} estrutura. Estudamos duas 
                         particulares t{\'e}cnicas de medida do quanto a 
                         distribui{\c{c}}{\~a}o se afasta de uma Gaussiana, que indica o 
                         estado de equil{\'{\i}}brio do sistema. A primeira procura 
                         ajustar duas gaussianas {\`a} distribui{\c{c}}{\~a}o de 
                         velocidades enquanto que a segunda mede simplesmente a 
                         dist{\^a}ncia entre duas distribui{\c{c}}{\~o}es 
                         (Dist{\^a}ncia de Hellinger). Desta forma, o ambiente assim 
                         definido mostrou-se eficaz em estabelecer rela{\c{c}}{\~o}es 
                         entre as propriedades das gal{\'a}xias e o grau de gaussianidade 
                         da distribui{\c{c}}{\~a}o de velocidades, evidenciando o 
                         processo de pr{\'e}-processamento dos sistemas gal{\'a}cticos em 
                         pequenos grupos ao longo de filamentos antes que sejam 
                         incorporados em aglomerados massivos. Esta t{\'e}cnica, 
                         in{\'e}dita em aplica{\c{c}}{\~o}es cosmol{\'o}gicas 
                         mostrou-se uma excelente ferramenta de an{\'a}lise das estruturas 
                         em grande escala no Universo.",
            committee = "Carvalho, Solon Ven{\^a}ncio de (presidente) and Rosa, Reinaldo 
                         Roberto (orientador) and Carvalho, Reinaldo Ramos de (orientador) 
                         and Campos Velho, Haroldo Fraga de and Ribeiro, Andr{\'e} 
                         Lu{\'{\i}}s Batista and Oliveira Filho, Irapuan Rodrigues de",
         englishtitle = "computa{\c{c}}{\~a}o aplicada ao estudo das propriedades 
                         estruturais e ambientais de gal{\'a}xias do SDSS",
             language = "en",
                pages = "147",
                  ibi = "8JMKD3MGP3W34P/3NQHRKL",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3NQHRKL",
           targetfile = "publicacao.pdf",
        urlaccessdate = "29 nov. 2020"
}


Fechar