The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites (2023)
- Authors:
- Autor USP: SANTI, NATALÍ SOLER MATUBARO DE - IF
- Unidade: IF
- DOI: 10.3847/1538-4357/ad022a
- Subjects: BURACOS NEGROS; COSMOLOGIA
- Language: Inglês
- Imprenta:
- Publisher: IOP Publishing
- Publisher place: Bristol
- Date published: 2023
- Source:
- Título: Astrophysical Journal
- Volume/Número/Paginação/Ano: v. 956, n. 2, p. 136, 2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
NI, Yueying e SANTI, Natali Soler Matubaro de. The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites. Astrophysical Journal, v. 956, n. 2, p. 136, 2023Tradução . . Disponível em: https://doi.org/10.3847/1538-4357/ad022a. Acesso em: 10 maio 2026. -
APA
Ni, Y., & Santi, N. S. M. de. (2023). The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites. Astrophysical Journal, 956( 2), 136. doi:10.3847/1538-4357/ad022a -
NLM
Ni Y, Santi NSM de. The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites [Internet]. Astrophysical Journal. 2023 ; 956( 2): 136.[citado 2026 maio 10 ] Available from: https://doi.org/10.3847/1538-4357/ad022a -
Vancouver
Ni Y, Santi NSM de. The CAMELS project: expanding the galaxy formation model space with new ASTRID and 28-parameter TNG and SIMBA suites [Internet]. Astrophysical Journal. 2023 ; 956( 2): 136.[citado 2026 maio 10 ] Available from: https://doi.org/10.3847/1538-4357/ad022a - Machine learning methods for extracting cosmological information
- A universal equation to predict ''ômega' IND. m' from halo and galaxy catalogs
- Robust field-level likelihood-free inference with galaxies
- Improving cosmological covariance matrices with machine learning
- High-fidelity reproduction of central galaxy joint distributions with neural networks
- Mimicking the halo–galaxy connection using machine learning
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 | |
|---|---|---|---|
 |
Ni_2023_ApJ_959_136.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
