TASA DE FORMACIÓN ESTELAR EN GALAXIAS A 0.5<z<1.1 – UN CASO PARA EL ESPECTRÓGRAFO INFRARROJO MULTIRENDIJA LIRIS (REQUERIMIENTOS TÉCNICOS)

Bibcode
LINK
CARLOS H. DOMÍNGUEZ TAGLE-PAREDES
Thesis advisor
Arturo
Manchado Torres
Advertised on:
2
2003
Description

Esta tesis está dedicada a realizar una parte del estudio sobre formación
y evolución de galaxias a edades intermedias, abarcando aspectos científicos
e instrumentales. Trata sobre la determinación de la tasa de formación
estelar de galaxias a redshigt intermedio. En el estudio se definen las
-- instrumentales necesarios para realizar este análisis con el espectrografo
IR multiobjetivo LIRIS, centrándose en la sensibilidad del instrumento,
la caracterización del detector y el diseño de las -- multi-rendijas como
resultado sobresaliente está la definición de la estrategia -- con LIRIS
de la muestra de galaxias seleccionadas.

Type
Thesis

It may interest you

  • Thesis
    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
    Elena García Broock

    Advertised on:

    2
    2024
    Bibcode
    Thesis
  • Thesis
    GALAXY FORMATION WITH GPU-ACCELERATED COMPUTING
    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
    Isaac Alonso Asensio

    Advertised on:

    11
    2023
    Bibcode
    Tesis
  • Thesis
    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
    Regina Sarmiento

    Advertised on:

    12
    2023
    Bibcode
    Tesis