Olá

Aqui você encontrará informações sobre mim, minha pesquisa em Astronomia e muito mais. Busco estudantes de todas as áreas de exatas para trabalhar com aplicações de aprendizado de máquina em dados de grandes levantamentos astronômicos. Sinta-se à vontade para entrar em contato comigo se tiver interesse!

Fale comigo

Pesquisa

Resumo da minha experiência acadêmica

 
 
 
 
 

Especialista em Tecnologia no Observatório Nacional/MCTI

2025 – Presente Rio de Janeiro, BR
 
 
 
 
 

Pós-doutorado no Instituto de Física da Universidade de São Paulo

2024 – Presente São Paulo, BR
 
 
 
 
 

Estágio de doutorado na University of Washington

2022 – 2023 Seattle, US
 
 
 
 
 

Doutorado em Astronomia na Universidade de São Paulo

2018 – 2024 São Paulo, BR

Tese: "Classificação e estimativa de redshift de novos quasares em levantamentos fotométricos, usando S-PLUS como estudo de caso"

O nosso classificador de objetos é a principal fonte para seleção fotométrica de estrelas, quasares ou galáxias no S-PLUS DR2, DR3 e DR4. Durante esses anos, tive experiência com consulta, cruzamento e/ou análise de dados dos levantamentos S-PLUS, SDSS, WISE, GAIA, GALEX, GAMA e ALHAMBRA. Trabalho nesse projeto desde o primeiro ano da graduação em Astronomia (2014), sendo supervisionada pela Prof. Nina T. S. Hirata do IME-USP naquela época.

 
 
 
 
 

Tempo de observação concedido (PI)

2018

Para acompanhamento espectroscópico de candidatos a quasares, recebemos:

  • 8 horas de observação com o telescópio SOAR usando o espectrógrafo Goodman
  • 20 horas de observação com o telescópio GEMINI usando o espectrógrafo GMOS-S
 
 
 

Projetos de graduação (Estatística)

2013

No último ano, trabalhei em dois projetos coordenados por pesquisadores da Medicina e da Arqueologia:

  • Análise dos fatores de risco para mortalidade de pacientes após transplante de fígado
  • Classificação de pedras escavadas do sítio arqueológico Boqueirão da Pedra Furada: fratura natural ou modificada por humanos?

Cursos e formações complementares

Cursos e workshops

Neural Networks and Deep Learning

Coursera2020
Ver certificado

Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

Coursera2020
Ver certificado

First School on Data Science and Machine Learning

ICTP-SAIFR2019

Introduction to Deep Learning in Astronomy

IAG-USP2019

Design and Evaluation of Extension Programs

IAG-USP2019

Publicações em destaque

preprint no arXiv, submetido a periódicos da AAS
Avaliamos se modelos de fundação tabulares podem ser usados como estimadores probabilísticos de redshift fotométrico "prontos para uso" para quasares no levantamento S-PLUS DR6, de 12 bandas. TabPFN 2.5, RealTabPFN 2.5 e TabICL são comparados a oito métodos de referência específicos para a tarefa; o TabPFN 2.5 é o melhor ou estatisticamente empatado em primeiro lugar em quase todas as métricas, com os maiores ganhos para conjuntos de treino pequenos e regimes difíceis (fontes muito brilhantes e muito fracas, alto redshift), mantendo calibração próxima da nominal sob mudança de covariáveis.
arXiv

ApJ, submetido
Núcleos ativos de galáxias de aparência variável (CLAGN) apresentam transições espectrais rápidas em escalas de meses a anos, desafiando os modelos padrão de unificação de AGN. Apresentamos o CLAS+, um catálogo construído comparando fotometria sintética de espectros do DESI DR1 e do SDSS DR17 com imageamento em banda estreita contemporâneo do S-PLUS, identificando 3.554 fortes candidatos a CLAGN em uma amostra de origem de 98.139 quasares — uma grande população de candidatos prioritários, ainda não reportados, para acompanhamento espectroscópico.

MNRAS, 531, 327-339
Este trabalho apresenta um catálogo de quasares selecionados fotometricamente com previsões de photo-z de três métodos de aprendizado de máquina: Random Forest, Flexible Conditional Density Estimation (FlexCoDE) e Bayesian Mixture Density Network (BMDN). O catálogo cobre a área do S-PLUS DR4 (~3000 graus quadrados), contendo 645.980, 244.912 e 144.991 fontes com probabilidade de ser quasar maior que 80%, 90% e 95% até r < 21,3 e boa qualidade fotométrica na imagem de detecção. Mais candidatos podem ser obtidos na base de dados do S-PLUS com critérios de seleção menos restritivos.
DOI

MNRAS, 507, 5847-5868
Este artigo apresenta um catálogo de estrelas, quasares e galáxias para o S-PLUS DR2 na região da Stripe 82. Mostramos que a fotometria de banda estreita melhora o desempenho da classificação e que o método é robusto a valores ausentes. No artigo há um link direto para baixar a classificação e as probabilidades para a Stripe 82 do S-PLUS DR2. A classificação e as probabilidades para todos os campos do S-PLUS liberados até esta data estão disponíveis em https://splus.cloud.
DOI

Lista de publicações revisadas por pares

(2026). S-PLUS Clusters And Large-scale Environments (SCALE). I. A Catalog of Known Clusters and Groups in DR5 and a Pilot Study of Abell 4038. The Astrophysical Journal, 1007, 202. DOI
(2026). The S-PLUS Fifth Data Release: Over 4500 Square Degrees of the Southern Sky and a Multicolor View of the Hydra and Antlia Galaxy Clusters. The Astrophysical Journal, 1007, 167. DOI
(2026). sagui: SED-based segmentation of multiband Galaxy images – application to JADES in GOODS-South. MNRAS, 549, 4, stag1062. DOI
(2026). AstroInspect: a web-based system to organize, assess, and visually inspect astronomical objects. The Astronomical Journal, 171, 5, 290. DOI
(2026). Targeting cluster galaxies for the 4MOST CHANCES Low-z sub-survey with photometric redshifts. A&A, 706, A34. DOI
(2025). The role of supercluster filaments in shaping galaxy clusters. A&A, 704, A228. DOI
(2025). SCALE: Using S-PLUS photometric information to analyse the brightest cluster galaxy alignment with satellite galaxies. A&A, 700, A264. DOI
(2025). MAR: A Multiband Astronomical Reduction package. Astronomy and Computing, 51, 100899. DOI
(2024). ELEPHANT: ExtragaLactic alErt Pipeline for Hostless AstroNomical Transients. A&A, 691, A181. DOI
(2024). The Fourth S-PLUS Data Release: 12-filter photometry covering ~3000 square degrees in the southern hemisphere. A&A, in press.
(2024). The Quasar Catalogue for S-PLUS DR4 (QuCatS) and the estimation of photometric redshifts. MNRAS, 531, 327-339. DOI
(2022). S-PLUS DR1 galaxy clusters and groups catalogue using PzWav. MNRAS, 519, 2, 2630-2645. DOI
(2022). Photometric redshifts for the S-PLUS Survey: Is machine learning up to the task?. Astronomy and Computing, 38, 100510. DOI
(2022). Data Release 2 of S-PLUS: Accurate template-fitting based photometry covering 1000 deg2 in 12 optical filters. MNRAS, 511, 4590-4618. DOI
(2021). On the discovery of stars, quasars, and galaxies in the Southern Hemisphere with S-PLUS DR2. MNRAS, 507, 5847-5868. DOI
(2020). Assessing the photometric redshift precision of the S-PLUS survey: the Stripe-82 as a test-case. MNRAS, 499, 3884-3908. DOI
(2020). The Southern Photometric Local Universe Survey (S-PLUS): improved SEDs, morphologies, and redshifts with 12 optical filters. MNRAS, 489, 241-267. DOI
(2020). An Extremely Bright QSO at z = 2.89. The Astrophysical Journal, 99, 1, 76. DOI

Contato

  • Rua General José Cristino, 77 - São Cristóvão, Rio de Janeiro, RJ. 20921-400. Sala 302
  • Sinta-se à vontade para enviar uma mensagem a qualquer momento!