[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-123452-es":3,"doc-seo-123452-110":30,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},123452,962085564549,"Genevieve","https://ap-avatar.wpscdn.com/davatar_085a072bc5b1113ac321206ff7593b45",41,"Investigación e Informes","Inferencia bayesiana para la cosmología de precisión - Un enfoque desde aprendizaje de máquinas","La tesis aborda la cosmología de precisión en un contexto de datos cada vez más numerosos y precisos, orientada a mejorar la inferencia estadística de parámetros cosmológicos y a estudiar tensiones del modelo estándar ΛCDM. Propone por primera vez un método bayesiano robusto para casos en que las evaluaciones de la verosimilitud son asistidas por redes neuronales, eliminando sesgos derivados del error de aproximación. Además, analiza sesgos asociados al feedback bariónico y evalúa energía oscura mediante métodos paramétricos y no paramétricos, comparando hipótesis con constante cosmológica o fluido dinámico.","UNIVERSIDAD DE CHILE  \nFACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE FÍSICA  \nBAYESIAN INFERENCE FOR PRECISION COSMOLOGY: A MACHINE LEARNING  \nAPPROACH  \nTESIS PARA OPTAR AL GRADO DE DOCTORA EN CIENCIAS, MENCIÓN FÍSICA  \nDANIELA IGNACIA GRANDÓN SILVA  \nPROFESOR GUÍA:  \nDOMENICO SAPONE  \nMIEMBROS DE LA COMISIÓN:  \nNELSON PADILLA  \nGONZALO PALMA QUILODRÁN  \nCRISTOBAL SIFÓN ANDALAFT  \nEste trabajo ha sido parcialmente financiado por ANID Doctorado Nacional/2019-21191886 -Fondecyt Regular N. 1200171-Universidad de Chile-L’Oréal-UNESCO For Women in  \nScience  \nSANTIAGO DE CHILE  \nRESUMEN DE LA TESIS PARA OPTAR  \nAL GRADO DE DOCTORA EN CIENCIAS, MENCIÓN FÍSICA POR: DANIELA IGNACIA GRANDÓN SILVA  \nFECHA: 2023  \nPROF. GUÍA: DOMENICO SAPONE  \nINFERENCIA BAYESIANA PARA LA COSMOLOGÍA DE PRECISIÓN: UN ENFOQUE DESDE APRENDIZAJE DE MÁQUINAS  \nLa cosmología se encuentra actualmente en el estado afortunado de recopilar cada vez más datos y, en particular, datos cada vez más precisos. Esto, a su vez, implica que la estimaciónde numerosos parámetros cosmológicos será cada vez más precisa. Lo anterior ofrece el potencial para una comprensión más profunda de la naturaleza de la energía oscura y sobre la importancia estadística de las tensiones observadas en el modelo cosmológico estándar, conocido como ΛCold Dark Matter (ΛCDM) . Con el fin de prepararse para la llegada deestos datos tan precisos, una variedad métodos estadísticos y de machine learning (redes neuronales, procesos gaussianos, entre otros) se han empleado como ayuda para procesar los datos y acelerar la inferencia estadística de parámetros cosmológicos. Implementar estasherramientas permite explorar diferentes estrategias para el análisis de datos, como el estudiode efectos instrumentales y físicos que pueden introducir errores sistemáticos y la exploraciónde modelos más allá de ΛCDM.  \nEn esta tesis, se emplea por primera vez un método estadístico robusto que permite hacerinferencia estadística en el caso que las evaluaciones de la función de verosimilitud o likelihood de los datos sean asistidas por redes neuronales artificiales. Dado que las redes neuronalesson capaces de aproximar las cantidades aprendidas, un problema no resuelto es cómo evitar que el error de aproximación introduzca errores en la inferencia de parámetros. Nuestro método (Bayesiano) provee la solución a este problema, que consiste en una nueva función de probabilidad a posteriori que elimina cualquier riesgo de que el resultado de los parámetros cosmológicos esté sesgado por errores introducidos por las herramientas de machine learning. Por otro lado, y siguiendo el estudio de los sesgos en la inferencia de parámetros cosmológicos, esta tesis presenta un estudio de los sesgos que podrían introducir los efectos del feedback de bariones, los cuales corresponden a procesos astrofísicos que pueden contaminar la señal del efecto lente gravitacional débil. Para esto, se emplean datos simulados y reales del survey de galaxias Hyper Suprime-Cam (HSC) y se implementan herramientas de machine learning que son entrenadas en base a simulaciones de N-cuerpos. Logramos demostrar que el análisis en base a datos simulados introduce sesgos severos en la inferencia del parámetro S8 . Sin embargo, el análisis en base a datos reales es consistente con un escenario donde los bariones poseen un mecanismo de feedback débil, y por ende, no introducen sesgos importantes en lainferencia de parámetros cosmológicos para los surveys de galaxias actuales, como HSC.  \nFinalmente, en esta tesis se estudian métodos paramétricos y no paramétricos con elfin de develar las propiedades de la energía oscura, y entender si esta cantidad existe en forma de constante cosmológica o un fluido dinámico. Para este análisis, usamos un set de datos observacionales del Universo tardío, y distintos priors en el parámetro de Hubble H0 . Encontramos que distintos métodos convergen a una energía oscura dinámica, aunque susignificancia estadística no","cbCaihdgJcWjuvJZ","https://ap.wps.com/l/cbCaihdgJcWjuvJZ","pdf",6815999,1,133,"Spanish","es",110,"# Resumen de la tesis\n## Motivación y contexto (ΛCDM y datos de alta precisión)\n## Método propuesto: verosimilitud asistida por redes neuronales y función posterior adaptada\n## Estudio de sesgos: feedback bariónico y datos simulados vs reales (HSC)\n## Energía oscura: métodos paramétricos/no paramétricos y priors en H0","[{\"question\":\"¿Cuál es el objetivo principal del método bayesiano propuesto en la tesis?\",\"answer\":\"Permitir inferencia estadística cuando la verosimilitud está asistida por redes neuronales, evitando que el error de aproximación introduzca sesgos en los parámetros mediante una función posterior adaptada.\"},{\"question\":\"¿Qué tipo de sesgos se investigan además del sesgo de las redes neuronales?\",\"answer\":\"Se estudian sesgos que pueden introducir los efectos del feedback bariónico, procesos astrofísicos que contaminan la señal del efecto lente gravitacional débil.\"},{\"question\":\"¿Qué concluyen los resultados sobre energía oscura?\",\"answer\":\"Los distintos métodos convergen a una energía oscura dinámica, aunque la significancia estadística no es suficiente para descartar por completo un modelo con constante cosmológica.\"}]","Inferencia bayesiana para la cosmología de precisión - Un enfoque desde aprendizaje de máquinas | PDF",1785816601,205,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"bayesian-inference-for-precision-cosmology-a-machine-learning-approach","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/es/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/es/document/bayesian-inference-for-precision-cosmology-a-machine-learning-approach/123452/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"¿Cuál es el objetivo principal del método bayesiano propuesto en la tesis?","Question",{"text":76,"@type":77},"Permitir inferencia estadística cuando la verosimilitud está asistida por redes neuronales, evitando que el error de aproximación introduzca sesgos en los parámetros mediante una función posterior adaptada.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"¿Qué tipo de sesgos se investigan además del sesgo de las redes neuronales?",{"text":81,"@type":77},"Se estudian sesgos que pueden introducir los efectos del feedback bariónico, procesos astrofísicos que contaminan la señal del efecto lente gravitacional débil.",{"name":83,"@type":74,"acceptedAnswer":84},"¿Qué concluyen los resultados sobre energía oscura?",{"text":85,"@type":77},"Los distintos métodos convergen a una energía oscura dinámica, aunque la significancia estadística no es suficiente para descartar por completo un modelo con constante cosmológica.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":46,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":46,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]