RDF/XML JSON-LD N3/Turtle RDF/JSON
Perfil en el portal institucional

De Andrés Hernández, Daniel daniel.deandres@uam.es

Física teórica / Universidad Autónoma de Madrid

Actividades

Identifying galaxy cluster mergers with deep neural networks using idealized Compton-y and X-ray maps

  • Arendt, AR
  • Perrott, YC
  • Contreras-Santos, A
  • de Andres, D
  • Cui, WG
  • Rennehan, D

Monthly Notices Of The Royal Astronomical Society (p. 20-34) - 5/4/2024

10.1093/mnras/stae568 Ver en origen

  • ISSN 00358711

Generating galaxy clusters mass density maps from mock multiview images via deep learning

  • de Andres, D
  • Cui, WG
  • Yepes, G
  • De Petris, M
  • Aversano, G
  • Ferragamo, A
  • De Luca, F
  • Muñoz, AJ
... Ver más Contraer

Epj Web Of Conferences - 28/3/2024

10.1051/epjconf/202429300013 Ver en origen

  • ISSN 2100014X

Galaxy cluster mass bias from projected mass maps

  • Munoz-Echeverría, M
  • Macías-Pérez, JF
  • Artis, E
  • Cui, W
  • de Andres, D
  • De Luca, F
  • De Petris, M
  • Ferragamo, A
  • Giocoli, C
  • Hanser, C
  • Mayet, F
  • Meneghetti, M
  • Moyer-Anin, A
  • Paliwal, A
  • Perotto, L
  • Rasia, E
  • Yepes, G
... Ver más Contraer

Astronomy & Astrophysics - 1/2/2024

10.1051/0004-6361/202346986 Ver en origen

  • ISSN 14320746

The three hundred project: mapping the matter distribution in galaxy clusters via deep learning from multiview simulated observations

  • de Andres, D
  • Cui, WG
  • Yepes, G
  • De Petris, M
  • Ferragamo, A
  • De Luca, F
  • Aversano, G
  • Rennehan, D
... Ver más Contraer

Monthly Notices Of The Royal Astronomical Society (p. 1517-1530) - 23/1/2024

10.1093/mnras/stae071 Ver en origen

  • ISSN 00358711

THE THREE HUNDRED project: a machine learning method to infer clusters of galaxy mass radial profiles from mock Sunyaev–Zel’dovich maps

  • Ferragamo, A
  • de Andres, D
  • Sbriglio, A
  • Cui, W
  • De Petris, M
  • Yepes, G
  • Dupuis, R
  • Jarraya, M
  • Lahouli, I
  • De Luca, F
  • Gianfagna, G
  • Rasia, E
... Ver más Contraer

Monthly Notices Of The Royal Astronomical Society (p. 4000-4008) - 1/4/2023

10.1093/mnras/stad377 Ver en origen

  • ISSN 00358711

Machine learning methods to estimate observational properties of galaxy clusters in large volume cosmological N-body simulations

  • de Andres, D
  • Yepes, G
  • Sembolini, F
  • Martínez-Muñoz, G
  • Cui, WG
  • Robledo, F
  • Chuang, CH
  • Rasia, E
... Ver más Contraer

Monthly Notices Of The Royal Astronomical Society (p. 111-129) - 1/1/2023

10.1093/mnras/stac3009 Ver en origen

  • ISSN 00358711

THE THREE HUNDRED project: The GIZMO-SIMBA run

  • Cui, WG
  • Dave, R
  • Knebe, A
  • Rasia, E
  • Gray, M
  • Pearce, F
  • Power, C
  • Yepes, G
  • Anbajagane, D
  • Ceverino, D
  • Contreras-Santos, A
  • De Andres, D
  • De Petris, M
  • Ettori, S
  • Haggar, R
  • Li, QY
  • Wang, Y
  • Yang, XH
  • Borgani, S
  • Dolag, K
  • Zu, Y
  • Kuchner, U
  • Cañas, R
  • Ferragamo, A
  • Gianfagna, G
... Ver más Contraer

Monthly Notices Of The Royal Astronomical Society (p. 977-996) - 1/7/2022

10.1093/mnras/stac1402 Ver en origen

  • ISSN 00358711

A deep learning approach to infer galaxy cluster masses from Planck Compton-y parameter maps

  • de Andres, D
  • Cui, WG
  • Ruppin, F
  • De Petris, M
  • Yepes, G
  • Gianfagna, G
  • Lahouli, I
  • Aversano, G
  • Dupuis, R
  • Jarraya, M
  • Vega-Ferrero, J
... Ver más Contraer

Nature Astronomy (p. 1325-1331) - 1/11/2022

10.1038/s41550-022-01784-y Ver en origen

  • ISSN 23973366

Mass Estimation of Planck Galaxy Clusters using Deep Learning

  • Daniel de Andrés
  • Weiguang Cui
  • F. Ruppin
  • M. De Petris
  • Gustavo Yepes
  • Ichraf Lahouli
  • Gianmarco Aversano
  • Romain Dupuis
  • Mahmoud Jarraya
... Ver más Contraer

Epj Web Of Conferences (p. 00013-00013) - 17/1/2022

10.1051/epjconf/202225700013 Ver en origen

  • ISSN 2100014X

Anisotropic deformations in a class of projectively-invariant metric-affine theories of gravity

  • Jimenez, Jose Beltran
  • de Andres, Daniel
  • Delhom, Adria;

CLASSICAL AND QUANTUM GRAVITY - 1/11/2020

10.1088/1361-6382/abb923 Ver en origen

  • ISSN 02649381

Este/a investigador/a no tiene libros.

Este/a investigador/a no tiene capítulos de libro.

Este/a investigador/a no tiene congresos.

Este/a investigador/a no tiene documentos de trabajo.

Este/a investigador/a no tiene informes técnicos.

Este/a investigador/a no tiene proyectos de investigación.

Este/a investigador/a no tiene tesis dirigidas.

Este/a investigador/a no tiene patentes o licencias de software.

Última actualización de los datos: 15/02/26 4:37