Primera Luz: Nueva Tubería RFI Desplegada
Nuestra tubería de aprendizaje automático no supervisado filtró con éxito 50 terabytes de interferencia de radiofrecuencia del arreglo ALMA en tiempo récord.
Nodo de Santiago, Chile
Minería de Datos del Espacio Profundo para
Descubrimientos Radioastronómicos
Bienvenidos a **ADMiRAL**. Procesamos flujos masivos de datos astrofísicos, filtrando la interferencia de radiofrecuencia cósmica mediante algoritmos avanzados y explorando señales del espacio profundo.
:: Transmisiones del Sistema
Ver Archivo ➔ADMiRAL site is being borno en español
First nes appear here at the ADMiRAL web page
Estudiantes de Magíster
Las mentes de próxima generación que impulsan nuestras tuberías de datos de radio.
Mariangella Camus
Data Engineer / ResearcherSpecializing in high-performance computing pipelines, connecting the raw output of the ALMA array to our local tensor-processing nodes.
Mateo Muñoz
Investigador de MagísterProcesando flujos masivos diarios de datos provenientes del arreglo de observatorios ALMA. Especializado en el desarrollo de algoritmos de tuberías de postprocesamiento para automatizar el aislamiento de ruido cósmico utilizando modelos avanzados de agrupamiento.
Matias Leal
Data Engineer / ResearcherSpecializing in high-performance computing pipelines, connecting the raw output of the ALMA array to our local tensor-processing nodes. ~ ~ ~
Prof. Mikhail Lisakov
Principalo InvestigadoroAs the Principal Investigator of ADMiRAL, I oversee the architectural design of our deep-space data mining pipelines. My primary research focuses on active galactic nuclei and radio interferometry. ### Current Focus Areas: * Deep Learning for RFI Mitigation * VLBI Data Post-Processing * Cloud-distributed astronomical computing
Patricio Messen
Data Engineer / ResearcherSpecializing in high-performance computing pipelines, connecting the raw output of the ALMA array to our local tensor-processing nodes. ~ ~