B. R. Granett

Forscher verbessern die Klassifizierung von Galaxien mit Hilfe von Maschinellem Lernen kombiniert mit photometrischen Daten.

Untersuchung des intracluster Lichts und der Kugelsternhaufen im Perseus-Galaxienhaufen.

Diese Studie bringt neue Erkenntnisse über Kugelsternhaufen rund um Zwerggalaxien.

Neueste Beobachtungen zeigen die Sternentstehungsgeschichte in sechs nahegelegenen Galaxien.

Eine Simulation gibt Einblicke in dunkle Materie und dunkle Energie.

NISP sammelt wichtige Daten über entfernte Galaxien und kosmische Phänomene.

Diese Studie untersucht die Rolle von maschinellem Lernen bei der Schätzung physikalischer Parameter von Galaxien anhand von WEAVE-Daten.

Forscher nutzen Farben, um aktive galaktische Kerne zu identifizieren und die Evolution von Galaxien zu untersuchen.

Forscher untersuchen urprüngliche Nicht-Gaussianität, um Geheimnisse der kosmischen Struktur zu lüften.