MARC

 008260126s2025        us                              c    eng  d
■001000017356590
■00520260202102958
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798286443574
■035    ▼a(MiAaPQ)AAI31770776
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a520
■1001  ▼aPasha,  Imad.
■24510▼aProbing  Galaxy  Evolution  and  the  Baryon  Cycle  via  Novel  Statistical  Techniques  and  Instrumentation
■260    ▼a[Sl]▼bYale  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a328  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  van  Dokkum,  Pieter  G.
■5021  ▼aThesis  (Ph.D.)--Yale  University,  2025.
■520    ▼aUnderstanding  the  formation  and  evolution  of  galaxies  across  cosmic  time  requires  both  observations  across  redshift,  wavelength,  and  method  as  well  as  sophisticated  machinery  for  interpreting  and  carrying  out  inference  on  observations.  Techniques  such  Bayesian  Inference,  Simulation  Based  Inference,  and  Machine  learning  are  seeing  increased  use  as  attempts  are  made  to  extract  meaningful  results  from  challenging  data.  Meanwhile  new  instrumentation,  from  spectrographs  on  major  telescopes  (e.g.,  KCWI  and  MUSE)  to  new,  novel  designs  (e.g.,  the  Mothra  Telescope  Array)  are  providing  new  observational  windows  into  heretofore  invisible  portions  of  the  baryon  cycle  ---  a  fundamental  cycle  driving  and  describing  how  baryons  move  throughout  the  universe  and  into  and  out  of  galaxies.  This  thesis  presents  the  development  and  application  of  statistical  techniques  and  novel  instrumentation  to  infer  the  properties  of  galaxies  and  their  place  within  the  baryon  cycle.
■590    ▼aSchool  code:  0265.
■650  4▼aAstronomy
■650  4▼aAstrophysics
■650  4▼aStatistics
■653    ▼aBaryon  cycle
■653    ▼aBayesian  inference
■653    ▼aMothra  Telescope  Array
■690    ▼a0606
■690    ▼a0596
■690    ▼a0463
■71020▼aYale  University▼bAstronomy.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0265
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17356590▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books