Astrofizikte makine öğrenmesi algoritmaları kullanılarak galaksilerin özelliklerinin tespit edilmesi
Determining the properties of galaxies using machine learning algorithms in astrophysics
- Tez No: 672665
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞEGÜL FULYA YELKENCİ
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Astronomy and Space Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 58
Özet
Bu çalışmada galaksilerin halosundaki karanlık maddenin makine öğrenimi algoritması kullanılarak belirlenen kütle miktarı tahminin, matematiksel yöntemlerle elde edilmiş kütle sonuçlarına ne ölçüde yaklaştığı araştırılmaktadır. Araştırmada galaksilerin halo kısımlarındaki karanlık madde miktarının tahmini ile bunun için hızlı ve daha az işlem zamanı gerektiren bir yöntem geliştirilmesi amaçlanmıştır. MICECAT v2 sentetik galaksi kataloğundan çekilen 20000 galaksiyi içeren veri setinin yüzde 80'ni makine öğrenme algoritmasında modelin eğitilmesi için kullanılmıştır. Geriye kalan veriler modelin testi için kullanılmış ve tahmin edilen sonuçlarla test verileri karşılaştırılmış. Sonuç olarak geliştirilen makine öğrenme SVR algoritması modelinin eğitiminde gerçek değerle tahmin edilen değer arasında hesaplanan standart sapmanın 0.00082 olduğu hesaplanmıştır. Modelin güvenirliği test edildikten sonra gözlemsel galaksi verileri için geliştirilen model kullanılarak SDSS DR16 kataloğunda yer alan 20000 farklı galaksinin halosundaki karanlık madde kütlesi belirlenmiştir. 107 ile 1010 MGüneş arasında kütleye sahip galaksiler için karanlık madde halo kütlelerinin galaksi görünür kütlesinden yaklaşık 100 kat fazla olduğu görülmüştür. Galaksilerin Halo kütlesi arttıkça görünür kütle değerinin de arttığı tespit edilmiştir. Çalışmamız makine öğrenimi algoritmaları kullanılarak galaksilerdeki karanlık madde miktarını hızlı bir şekilde tahmin edilebildiğini göstermiştir. Bu çalışmada z=0 değerine sahip galaksiler incelenmiştir.
Özet (Çeviri)
In this study, the relationship between the amount of dark matter in galaxies determined using the machine learning algorithms and the mass results obtained by mathematical methods regarding the dark matter in the halos of galaxies is investigated. The aim of this research is to estimate the amount of dark matter in the halo parts of galaxies and to develop a method that requires faster and less processing time for this analysis. 80 percent of the dataset including 20000 galaxies from the MICECAT v2 synthetic galaxy catalog was used to train the model in the machine learning SVR algorithm. The remaining data were used for testing the model, and the predicted results were compared with the test data. The standard deviation of prediction data and real data in the training model is calculated as 0.00082. After testing the reliability of the model, dark matter halo masses of the 20000 different observed galaxies from SDSS DR16 catalog were determined with our trained model. As a result, dark matter halos are found to be approximately 100 times more massive than the stellar masses for galaxies with 107 to 1010 Msolar masses. Dark matter halo mass is observed to be increasing with the raising galaxy stellar masses. Our study also showed that it was possible to quickly estimate the amount of dark matter in galaxies using a machine learning algorithm. All galaxies z value is zero in this study.
Benzer Tezler
- Optical identification of supernova remnants in galaxy NGC 6946 by RTT150 and a general classification of ionized regions by machine learning
RTT150 ile NGC 6946 galaksisindeki supernova kalıntılarının optik tanımlaması ve iyonize bölgelerin makine öğrenmesi ile genel sınıflandırılması
MUHAMMET MEMİÇ
Doktora
İngilizce
2024
Astronomi ve Uzay BilimleriBoğaziçi ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. ENİSE NİHAL ERCAN
- Solving Navier Stokes equations with physics informed neural network for calculation of aerodynamic forces
Aerodinamik kuvvetleri hesaplamak için Navier-Stokes denklemlerinin fizik bilgili nöral ağ ile çözümü
SILA AKPINAR
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT YEŞİLYURT
- Çift Wolf-Rayet sistemlerinin yapısı ve evrimi
Structure and evolution of binary Wolf-Rayet systems
İBRAHİM AKÖZ
Doktora
Türkçe
2024
Astronomi ve Uzay BilimleriEge ÜniversitesiGenel Astronomi Ana Bilim Dalı
PROF. DR. KADRİ YAKUT
- Termoelastik koşullar altında iki elastik katı karışımı ile ilgili analitik çözümler
Analytical solutions for a mixture of two elastic solids under thermoelastic conditions
M. SALİH DOKUZ
Doktora
Türkçe
2000
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMekanik Ana Bilim Dalı
PROF.DR. İHSAN T. GÜRGÖZE
- A spectral approach for solving two-fluid flow stability problem
Çift-akışkanlı akış kararlılık problemi çözümü için spectral metot yaklaşımı
MEHMET EMİN ÇELİKKIRAN
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIK HAKAN TARMAN