Upload
doandiep
View
213
Download
0
Embed Size (px)
Citation preview
Ana Paula A. Andrade; AndréLuís B. RibeiroLaboratório de Astrofísica Teórica e Observacional - LATO
Universidade Estadual de Santa Cruz - UESC
Reinaldo R. Rosa Laboratório de Computação Científica e Matemática Aplicada - LAC
Instituto Nacional de Pesquisas Espaciais – INPE
Mathias Santos de Brito (UESC/USP)Gustavo Zaniboni (ITA)
Análise de Padrões nas Estruturas em Grandes Escalas do Universo
Análise de Padrões nas Estruturas em Grandes Escalas do Universo
Desafio:
- explicar a emergência e evolução de padrões nas LSS
=> enorme quantidade de dados observacionais e simulações
=> Aplicar as ferramentas adequadas
Desafio:
- explicar a emergência e evolução de padrões nas LSS
=> enorme quantidade de dados observacionais e simulações
=> Aplicar as ferramentas adequadas
Motivação:
- DPOSS, 2df, SDSS => cenário hierárquico da distribuição de
matéria no Universo
- organização bem estruturada, em ampla e variada escala
- filamentos, paredes, vazios e superaglomerados
Motivação:
- DPOSS, 2df, SDSS => cenário hierárquico da distribuição de
matéria no Universo
- organização bem estruturada, em ampla e variada escala
- filamentos, paredes, vazios e superaglomerados
A Técnica GPA
- Técnica computacional simples
- flutuações locais pixel a pixel
- Robusta
- Testada
- Adaptável a diversos tipos de dados
- Adequada à análise espaço-temporal de sistemas complexos
- GPA => comparativa
- Técnica computacional simples
- flutuações locais pixel a pixel
- Robusta
- Testada
- Adaptável a diversos tipos de dados
- Adequada à análise espaço-temporal de sistemas complexos
- GPA => comparativa
∆L ∆L
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
A Técnica GPA
time = 1time = 1
……
time = 2time = 2 time = Ntime = N
- Sistema dinâmico => seqüência de N campos de vetores- Sistema dinâmico => seqüência de N campos de vetores
L L
Gradient fieldamplitude information
Gradient fieldamplitude information
∇ Εmm∇ Εmm
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
r11 r12 r13
r21 r22 r23
r31 r32 r33
r11 r12 r13
r21 r22 r23
r31 r32 r33
φφφφ11111111 φφφφ12121212 φφφφ13131313
φφφφ21212121 φφφφ22 22 22 22 φφφφ23232323
φφφφ31313131 φφφφ32323232 φφφφ33333333
φφφφ11111111 φφφφ12121212 φφφφ13131313
φφφφ21212121 φφφφ22 22 22 22 φφφφ23232323
φφφφ31313131 φφφφ32323232 φφφφ33333333
g1g1
z11 z12 z13
z21 z22 z23
z31 z32 z33
z11 z12 z13
z21 z22 z23
z31 z32 z33
g2g2 g3g3 g4g4
Ri,j � 0Ri,j � 0
Image Matrix - EmmImage Matrix - Emm
Asymmetrical VectorsAsymmetrical Vectors
Gradient fieldphase information
Gradient fieldphase information
Complex Form of theGradient Field
Complex Form of theGradient Field
FAFA
Fragmentação Assimétrica
- Fragmentações no campo gradiente => quebras de simetria
=> Investigar o campo de vetores assimétricos
- Definição de vetores simétricos => Vi = - Vj => Ri,j = Vi - Vj = 0 ± ε
- Fragmentações no campo gradiente => quebras de simetria
=> Investigar o campo de vetores assimétricos
- Definição de vetores simétricos => Vi = - Vj => Ri,j = Vi - Vj = 0 ± ε
∇ Εmm∇ Εmm
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
1.0 3.0 6.0
3.0 3.0 3.0
8.0 3.0 1.0
Ri,j � 0Ri,j � 0
vectors = Vvectors = V vectors = Lvectors = L
Fragmentação Assimétrica
- Parâmetro L => primeira medida do grau de assimetria
=> não contém informação sobre a orientação dos vetores
- Maneira possível de quantificar a orientação dos vetores
=> Triangulação de Delaunay
- Idéia central: o número de triângulos resultante é função:
- do número de pontos
- distribuição desses pontos
- Parâmetro L => primeira medida do grau de assimetria
=> não contém informação sobre a orientação dos vetores
- Maneira possível de quantificar a orientação dos vetores
=> Triangulação de Delaunay
- Idéia central: o número de triângulos resultante é função:
- do número de pontos
- distribuição desses pontos
Number of vectors: L = 5
Number of vectors: L = 5
Connection Lines => I = 4
Connection Lines => I = 4
Number of vectors: L = 5
Number of vectors: L = 5
Connection Lines => I = 7
Connection Lines => I = 7
Fragmentação Assimétrica
- Que pontos?
- Escolher um ponto representativo de cada vetor
- Que pontos?
- Escolher um ponto representativo de cada vetor
I = número de linhas de conexão entre os pontos-médiosI = número de linhas de conexão entre os pontos-médios
- Uma medida de complexidade local dos vetores assimétricos:- Uma medida de complexidade local dos vetores assimétricos:
, for I � L > 0, for I � L > 0−= = 1A
I LF g
L
L = número de vetores assimétricosL = número de vetores assimétricos
Fragmentação Assimétrica
- Simulações N-body ~ 80 % de vetores assimétricos
- Vale a pena? - Porque não trabalhar com todo o campo usando apenas o
número de linhas de conexão como parâmetro?
- Simulações N-body ~ 80 % de vetores assimétricos
- Vale a pena? - Porque não trabalhar com todo o campo usando apenas o
número de linhas de conexão como parâmetro?
- Removendo Simetrias … eliminando efeitos de borda!- Removendo Simetrias … eliminando efeitos de borda!
GPAGPA
Vale a pena...
Z = 0Z = 0
Z = 0Z = 0
Z = 0Z = 0
Aplicação Simulações N-Body
- Primeiro Teste => Campo de densidades de partículas
- Análise se padrões sobre Normas e Fases => g2 e g3
- Médias
- Variância
- Assimetria
- Curtose
- Correlação complexa
- Fragmentação Assimétrica => FA
- Primeiro Teste => Campo de densidades de partículas
- Análise se padrões sobre Normas e Fases => g2 e g3
- Médias
- Variância
- Assimetria
- Curtose
- Correlação complexa
- Fragmentação Assimétrica => FA
ANDRADE, A.P.A.; RIBEIRO, A.L.B.; ROSA, R.R.;
PhysicaD – Nonlinear Phenomena, v. 223, 139-145, 2006
ANDRADE, A.P.A.; RIBEIRO, A.L.B.; ROSA, R.R.;
PhysicaD – Nonlinear Phenomena, v. 223, 139-145, 2006
GPAGPA
Main Results - FA3D
0 2 4 6 8 10
19,05
19,10
19,15
19,20
19,25FA
3D --> ∆L = (1.5h-1Mpc)3
z
0 2 4 6 8 1019,00
19,05
19,10
19,15
z
FA
3D --> ∆L = (2h-1Mpc)3
Comparação diferentes escalas
=> automatização
Comparação diferentes escalas
=> automatização
Desafios Técnicos
- Grande Volume de Dados
=> densidade de objetos; campo de velocidades
(3 componentes: vx,vy,vz)
- Boa resolução => Grandes Matrizes 1802 ; 1803
- 3D => 5.832.000 elementos
- Busca por pares ~ 1013 interações seqüenciais
- paralelizar o processo de busca
- Grande Volume de Dados
=> densidade de objetos; campo de velocidades
(3 componentes: vx,vy,vz)
- Boa resolução => Grandes Matrizes 1802 ; 1803
- 3D => 5.832.000 elementos
- Busca por pares ~ 1013 interações seqüenciais
- paralelizar o processo de busca
Desafios Técnicos
- Cluster LATO/FAPESB
=> Bewoulf de 16 nós
- Programação MPI
- Divisão da Matriz => 4x mais rápido (8 nós) ~ horas caso 3D
- Ordenar a matriz em ordem crescente de normas e fases
- (15x mais rápido)
- 3D => paralelizar a versão ordenada
- Triangulação de Delanay ‘consome’ uma grande quantidade de memória
- Cluster LATO/FAPESB
=> Bewoulf de 16 nós
- Programação MPI
- Divisão da Matriz => 4x mais rápido (8 nós) ~ horas caso 3D
- Ordenar a matriz em ordem crescente de normas e fases
- (15x mais rápido)
- 3D => paralelizar a versão ordenada
- Triangulação de Delanay ‘consome’ uma grande quantidade de memória
- Uniformizar rotinas e automatizar o processo
=> ampliar rotinas para dados observacionais
=> levar em conta o maior número possível de parâmetros
relevantes
- Ex. estudo do alinhamento de galáxias em função do
ângulo de posição ou do parâmetro de elipcidade
- Análise de alinhamentos em função da riqueza
- Interface Gráfica => ferramentas de visualização
- Comparação com outras técnicas (ex. tesselagem de Voronoi)
- Uniformizar rotinas e automatizar o processo
=> ampliar rotinas para dados observacionais
=> levar em conta o maior número possível de parâmetros
relevantes
- Ex. estudo do alinhamento de galáxias em função do
ângulo de posição ou do parâmetro de elipcidade
- Análise de alinhamentos em função da riqueza
- Interface Gráfica => ferramentas de visualização
- Comparação com outras técnicas (ex. tesselagem de Voronoi)
No Contexto do BRAVO...
No Contexto do BRAVO...
muito o que fazer.... muito o que fazer....