GalaxyAE & MaNGA-DESOM — Astrofísica y Deep Learning

Agrupamiento espectral de galaxias con Autoencoders y mapas autoorganizados profundos (DESOM).

Proyectos de desarrollo e implementación computacional aplicados al análisis espectroscópico en astrofísica:

  • GalaxyAE: Agrupamiento de galaxias a partir de sus espectros mediante redes neuronales profundas (Autoencoders y mapas autoorganizados profundos — DESOM).
  • MaNGA-DESOM: Flujo de trabajo modularizado para replicación computacional de resultados de clasificación espectral de galaxias (Teimoorinia, Archinuk, Woo et al., arXiv:2112.03425).
  • Enfoque: Reducción no lineal de dimensionalidad y preservación topológica en conjuntos de datos astronómicos multifrecuencia.
Astrofísica Computacional Deep Learning Autoencoders DESOM Python

Computational astrophysics implementations for spectroscopic galaxy analysis:

  • GalaxyAE: Galaxy clustering by spectral signatures using deep neural architectures (Autoencoders and Deep Embedded Self-Organizing Maps — DESOM).
  • MaNGA-DESOM: Modular pipeline reproducing spectral classification experiments (Teimoorinia, Archinuk, Woo et al., arXiv:2112.03425).
  • Focus: Non-linear dimensionality reduction and topology preservation in multi-wavelength astronomical datasets.
Computational Astrophysics Deep Learning Autoencoders DESOM Python