Improving cosmological covariance matrices with machine learning (2022)
- Authors:
- USP affiliated authors: ABRAMO, LUIS RAUL WEBER - IF ; SANTI, NATALÍ SOLER MATUBARO DE - IF
- Unidade: IF
- DOI: 10.1088/1475-7516/2022/09/013
- Subjects: ASTROFÍSICA; FÍSICA MATEMÁTICA; COSMOLOGIA; SIMULAÇÃO (ESTATÍSTICA)
- Keywords: cosmological parameters from LSS; Machine learning; cosmological simulations; power spectrum
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Journal of Cosmology and Astroparticle Physics (JCAP)
- ISSN: 1475-7516
- Volume/Número/Paginação/Ano: v. 2022, n. 9, 6 de setembro de 2022, número do artigo: 013, online
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SANTI, Natali Soler Matubaro de e ABRAMO, Luis Raul Weber. Improving cosmological covariance matrices with machine learning. Journal of Cosmology and Astroparticle Physics (JCAP), v. 2022, n. 9, 2022Tradução . . Disponível em: https://doi.org/10.1088/1475-7516/2022/09/013. Acesso em: 09 maio 2026. -
APA
Santi, N. S. M. de, & Abramo, L. R. W. (2022). Improving cosmological covariance matrices with machine learning. Journal of Cosmology and Astroparticle Physics (JCAP), 2022( 9). doi:10.1088/1475-7516/2022/09/013 -
NLM
Santi NSM de, Abramo LRW. Improving cosmological covariance matrices with machine learning [Internet]. Journal of Cosmology and Astroparticle Physics (JCAP). 2022 ; 2022( 9):[citado 2026 maio 09 ] Available from: https://doi.org/10.1088/1475-7516/2022/09/013 -
Vancouver
Santi NSM de, Abramo LRW. Improving cosmological covariance matrices with machine learning [Internet]. Journal of Cosmology and Astroparticle Physics (JCAP). 2022 ; 2022( 9):[citado 2026 maio 09 ] Available from: https://doi.org/10.1088/1475-7516/2022/09/013 - Robust field-level likelihood-free inference with galaxies
- High-fidelity reproduction of central galaxy joint distributions with neural networks
- Machine learning methods for extracting cosmological information
- The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites
- A universal equation to predict ''ômega' IND. m' from halo and galaxy catalogs
- Mimicking the halo–galaxy connection using machine learning
- The Southern Photometric Local Universe Survey (S-PLUS): improved SEDs, morphologies and redshifts with 12 optical lters
- O Professor Raul Abramo fala sobre "Cosmologia com o levantamento astrofísico J-PAS" [Palestra]
- ELDAR, a new method to identify AGN in multi-filter surveys: the ALHAMBRA test-case
- Physical approximations for the nonlinear evolution of perturbations in inhomogeneous dark energy scenarios
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
de_Santi_2022_J._Cosmol._... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
