Expositor: Martín Emilio de los Ríos (IATE – UNC/CONICET)
Date: viernes 07 de noviembre, 11:45 hs.
Abstract: En este seminario presentaré un método de machine learning (Truncated Marginal Neural Ratio Estimation) para realizar análisis bayesianos. Esta estrategia evita el cálculo explícito del likelihood, estimándolo mediante redes neuronales entrenadas con datos simulados, lo que permite acelerar la obtención de posteriors en comparación con los algoritmos tradicionales de Monte Carlo (MCMC).
Como ejemplo contare brevemente el trabajo donde aplicamos este método para estimar los parámetros de un modelo de materia oscura, utilizando datos simulados del experimento XENONnT.
En la segunda parte del seminario presentaré el trabajo, donde utilizamos redes neuronales convolucionales (CNN) para inferir los perfiles de materia oscura en galaxias a partir de su fotometría e interferometría, obteniendo mejores resultados que con el análisis tradicional de las curvas de rotación.
English 
Español de Argentina 
