报告题目：星系-暗物质晕关系与机器学习
报 告 人：徐笑菊（上海交通大学）
时 间：2023年3月29日15:30（星期三）
地 点：安徽大学磬苑校区理工E楼E400
主办单位：物理与光电工程学院
欢迎各位老师、同学届时前往！
报告摘要：
了解星系的形成和演化是现代宇宙学的一项重要任务。现普遍认为星系生长于暗物质晕中, 它们的形成和演化与其宿主暗晕的形成历史密切相关, 而后者可使用仅包含引力作用的N体模拟进行研究。 星系可以通过半解析模型和流体动力学模拟等星系形成模型进行模拟，基于简化的星系-暗物质晕关系的经验模型也可以预测星系的可观测量。报告将展示我们在星系形成模型中关于星系-暗物质晕关系的研究成果，以及机器学习在其中的应用。机器学习是一种可以捕捉变量之间多元复杂关系的强大工具，在天文学研究中也得到了广泛的应用。报告人将展示如何利用机器学习来做基于暗物质晕性质的星系性质预测，以及它如何为理解星系的形成和演化提供有价值的参考。
报告人简介：
徐笑菊，2019年博士毕业于犹他大学，之后在凯斯西储大学做博士后研究，现为上海交通大学物理与天文学院博士后，研究兴趣包括星系-暗物质晕关系，星系成团性，宇宙学等。