FIGARO è un codice di inferenza pensato per approssimare distribuzioni di probabilità multivariate dati dei samples da una distribuzione incognita utilizzando un Dirichlet Process Gaussian Mixture Model (DPGMM) come modello

È anche possibile effettuare inferenze gerarchiche: in questo caso, il modello usato è (H)DPGMM.

A differenza di altre implementazioni che utilizzano un algoritmo variazionale, FIGARO non richiede all’utente di specificare a priori il massimo numero di componenti della mistura: questo numero è stimato a partire dai dati stessi.

La cartella notebooks contiene un tutorial su come usare FIGARO nella vostra ricerca. Sperimentate pure e fatemi sapere se avete bisogno di una mano!

(Il bug report è estremamente apprezzato)

SOLARSYSTEM è un integratore N-body basato sul metodo di Crank-Nicolson.

Nonostante il nome, non è pensato specificatamente per investigare la dinamica del sistema solare. Include effetti fino al secondo ordine Post-Newtoniano.

Inspirato da e basato sulla tesi magistrale di Francesco Geroni.

ANUBIS è un codice di inferenza pensato per approssimare distribuzioni di probabilità multivariate usando un Heterogeneous Mixture Model (HMM): l’idea è quella di estendere uno o più modelli parametrici con un DPGMM per tenere conto di eventuali features non previste nei dati.

Questo algoritmo utilizza FIGARO, quindi assicuratevi di averlo installato. Codice in sviluppo!

GALLEON è un codice per simulare cataloghi di osservazioni di onde gravitazionali. Ad ogni evento è associato un set di posterior samples sintetici.

Questo codice segue le prescrizioni date nell’Appendice A di Fishbach et al. (2020).

Gli ammassi stellari sono gruppi di stelle gravitazionalmente legate che spesso condividono un’origine comune. Questi oggetti, specialmente gli ammassi globulari, sono estremamente utili per gli studi di evoluzione stellare: le stelle al loro interno hanno la stessa età e, essendosi formate nello stesso ambiente, la stessa composizione chimica. Le differenze evolutive tra queste stelle sono da ascriversi alle differenti masse. Quindi, questi oggetti sono utili per tunare la fisica e i parametri iniziali dell’evoluzione stellare.

In generale, trascurando casi particolari come i sistemi binari, misure dirette di massa, età o metallicità sono molto difficili se non impossibili da ottenere senza assumere un qualche modello evolutivo. Senza queste quantità non è possibile utilizzare la definizione data sopra per identifare un ammasso stellare. Ciò che possiamo usare per definire a livello osservativo un ammasso stellare sono le sue proprietà dinamiche: definiamo quindi un ammasso stellare come un gruppo di stelle nello spaziod delle fasi, spazialmente vicine e con lo stesso moto proprio

Stiamo investigando la possibilità di identificare gli ammassi stellari nello spazio delle fasi modellando la distribuzione di posizioni e velocità delle stelle con un Dirichlet Process Gaussian Mixture Model (DPGMM)

Supervisione giornaliera con Walter Del Pozzo e Veronica Roccatagliata.

Nonostante gli interferometri gravitazionali siano i posti più silenziosi del mondo, le onde gravitazionali sono sommerse nel rumore: questo è dovuto al fatto che le deformazioni dello spaziotempo prodotte da due buchi neri che si fondono sono estremamente piccole. Siamo in grado di osservare solamente gli eventi più forti: la maggior parte delle onde gravitazionali, sfortunatamente, è troppo debole per i nostri detector.

Capire la sensitività dei nostri detector rispetto a differenti valori dei parametri dei buchi neri (masse, spin, distanza…) è fondamntale per gli studi di popolazione. Una caratterizzazione accurata della funzione di risposta serve ad evitare il cosiddetto selection bias.

Questo studio mira a caratterizzare la risposta del network di interferometri e delle search pipelines utilizzando un set di injections dedicato, come fatto in LVK O3 search sensitivity estimates.

In collaborazione con Elisa Nitoglia, Walter Del Pozzo, Viola Sordini e Roberto Chierici.

La relatività generale predice che gli oggetti massivi incurvano lo spaziotempo in una maniera che permette alla luce che passa loro vicino di curvare e causare il fenomeno del lensing gravitazionale. Allo stesso modo delle onde elettromagnetiche, anche le onde gravitazionali possono essere lensate se passano abbastanza vicino ad un oggetto massivo.

La detection di una coppia di onde gravitazionali lensate aprirebbe la porta ad una pletora di risultati scientifici, ad esempio test di precisione della velocità della gravità e di cosmologia, detection di materia oscura e localizzazione con una precisione minore di un arcosecondo dei binary black hole mergers.

È previsto che il fenomeno del gravitational lensing diventi osservabile a sensitività di design, assumendo che le attuali detection di onde gravitazionali siano effettivamente prodotte dai remnant stellari. In conseguenza di ciò, è in corso una fervente attività per sviluppare i tools necessari alla detection e all’analisi di coppie di eventi candidati ad essere lensed.

In questo studio dimostriamo che un’assunzione sbagliata sulla popolazione di buchi neri (per esempio scegliere una forma funzionale non corretta per la distribuzione di massa) può avere un enorme impatto sull’accuratezza di questo tipo di analisi, riducendo la significatività delle vere coppie di eventi lensed e aumentando quella dei cosiddetti lensing mimickers. Questo impatto può essere mitigato usando i metodi non-parametrici

In collaborazione con Damon H. T. Cheung, Martina Toscani e Otto A. Hannuksela.