Análisis cosmológicos con no-Gaussianidad primordial y magnificación debida al efecto lente débil
Resumen: Durante las últimas décadas, las grandes colaboraciones, la innovación tecnológica y una dosis de creatividad han permitido que el conocimiento del Universo creciera considerablemente, dando lugar a un modelo estándar para explicar el contenido del Universo y su evolución. Las observaciones...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2014 |
| País: | España |
| Institución: | Universidad de Cantabria (UC) |
| Repositorio: | UCrea Repositorio Abierto de la Universidad de Cantabria |
| Idioma: | inglés |
| OAI Identifier: | oai:repositorio.unican.es:10902/4887 |
| Acceso en línea: | http://hdl.handle.net/10902/4887 |
| Access Level: | acceso abierto |
| Palabra clave: | Cosmología Fondo cósmico de microondas Redes neuronales Efecto lente gravitatoria Magnificación No-Gaussianidad Análisis de datos Cosmology Cosmic microwave background Neural networks Weak lensing Magnification Non-Gaussianity Data analysis |
| Sumario: | Resumen: Durante las últimas décadas, las grandes colaboraciones, la innovación tecnológica y una dosis de creatividad han permitido que el conocimiento del Universo creciera considerablemente, dando lugar a un modelo estándar para explicar el contenido del Universo y su evolución. Las observaciones de alta precisión han sido y serán muy importantes para obtener una imagen detallada del Universo. Gran parte de la información cosmológica ha sido obtenida del estudio del fondo cósmico de microondas, de la estructura a gran escala y supernovas de tipo Ia. Durante los próximos años, se espera obtener información valiosa de observaciones del efecto lente débil, oscilaciones acústicas de bariones y de la polarización del fondo cósmico de microondas. Este tesis se centra en dos de estos temas, el fondo cósmico de microondas y el efecto lente débil. El objetivo de esta tesis es contribuir con nuevas herramientas al análisis de estos observables para obtener la mayor información posible de una manera simple y computacionalmente eficiente. |
|---|