Scheda programma d'esame
ASTROFISICA OSSERVATIVA
ANGELO RICCIARDONE
Anno accademico2023/24
CdSFISICA
Codice301BB
CFU9
PeriodoSecondo semestre
LinguaItaliano

ModuliSettore/iTipoOreDocente/i
ASTROFISICA OSSERVATIVAFIS/01LEZIONI54
MASSIMILIANO RAZZANO unimap
ANGELO RICCIARDONE unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Fornire una solida conoscenza delle metodologie sperimentali legate all’osservazione di radiazione elettromagnetica, onde gravitazionali e raggi cosmici, e delle tecniche e principali software di analisi dati utilizzati in astrofisica e cosmologia.

Imparare a sviluppare programmi di analisi dati utilizzando il linguaggio di programmazione Python e intepretare i dati raccolti.

Dopo aver superato l'esame lo studente avra' una conoscenza dei principali metodi e strumenti di analisi dati in astrofisica e cosmologia.  

 

Knowledge

Provide a solid understanding of experimental methodologies related to the observation of electromagnetic radiation, gravitational waves, and cosmic rays, as well as the techniques and main data analysis software used in astrophysics and cosmology;

Learn to develop data analysis programs using the Python programming language and interpret the collected data;

After passing the exam, the student will have knowledge of the main methods and tools for data analysis in astrophysics and cosmology

Modalità di verifica delle conoscenze

Durante il corso saranno proposti progetti di analisi dati che dovranno essere affrontati sviluppando programmi e algoritmi per estrarre i principali parametri delle sorgenti astrofisiche, e preparare una relazione scientifica sui risultati ottenuti.

Lo scopo del corso e' di fornire agli studenti/studentesse i mezzi necessari per saper leggere e manipolare i dati raccolti da telescopi e strumenti operanti alle diverse lunghezze d’onda (onde radio, microonde, raggi X, luce visibile), e da rivelatori di onde gravitazionali.

Assessment criteria of knowledge

During the course, data analysis projects will be proposed that must be tackled by developing programs and algorithms to extract the main parameters of astrophysical sources and prepare a scientific report on the results obtained;

The purpose of the course is to provide students with the necessary means to be able to read and manipulate data collected from telescopes and instruments operating at different wavelengths (radio waves, microwaves, X-rays, visible light), as well as from gravitational wave detectors.

Capacità

Sviluppare competenze di programmazione Python per sviluppare algoritmi di analisi dati relativi a osservazione di radiazione elettromagnetica, gravitazionale e cosmica, anche utilizzando le principali librerie di analisi dati Python. 

Skills

Develop Python programming skills to create data analysis algorithms related to the observation of electromagnetic, gravitational, and cosmic radiation, including the use of major Python data analysis libraries;

Modalità di verifica delle capacità

Relazioni inviduali e/o di gruppo sui progetti di analisi dati affrontati durante il corso da discutere durante colloquio orale a fine corso

Assessment criteria of skills

Individual and/or group reports on the data analysis projects undertaken during the course to be discussed during an oral examination at the end of the course;

Comportamenti

Durante il corso saranno acquisite opportune conoscenze e metodi, oltre che gli strumenti piu all'avanguardia, per svolgere attività di raccolta e analisi di dati sperimentali.

Behaviors

During the course, appropriate knowledge and methods, as well as state-of-the-art tools, will be acquired to carry out activities related to the collection and analysis of experimental data;

Modalità di verifica dei comportamenti

La verifica dei comportamenti avverra' attraverso le relazioni che dovranno essere sviluppate durante il corso e attraverso il colloquio orale finale

Assessment criteria of behaviors

Assessment of performance will occur through the reports that must be developed during the course and through the final oral examination;

Prerequisiti (conoscenze iniziali)
  • Conoscenza delle tecniche di analisi statistica di base
  • Conoscenza delle basi del linguaggio Python
Prerequisites
  • Knowledge of basic statistical analysis techniques.
  • Knowledge of the fundamentals of the Python language
Indicazioni metodologiche

Le lezioni saranno svolte sia in modalita frontale che in laboratorio. Le lezioni frontali saranno effettuate sia alla lavagna che con l'ausilio di slide/filmati.

Le lezioni in laboratorio saranno svolte sia singolarmente che in gruppo, usando i PC delle aule informatiche/laboratori qualora disponibili, o i PC personali degli studenti.

Verranno effettuate anche sessioni di osservazione guidata del cielo e raccolta di analisi dati utilizzando la dotazione del dipartimento

 

 

 

Teaching methods

The lessons will be conducted both in a traditional classroom setting and in a laboratory. Traditional classroom lessons will be conducted using both the chalkboard and with the aid of slides/videos;

Laboratory lessons will be carried out both individually and in groups, using the PCs in the computer rooms/laboratories if available, or students' personal laptops;

Guided sky observation sessions and data analysis will also be conducted using the department's equipment.

Programma (contenuti dell'insegnamento)

 INTRODUZIONE 

  • Introduzione su coordinate astronomiche e trasformazioni di coordinate. Definizione di osservabili in astrofisica e relativi strumenti
  • Introduzione alla programmazione Python e alle librerie dedicate all’astronomia e astrofisica osservativa (Astropy, Numpy,Scipy, Pandas)
  • Introduzione all’utilizzo di pacchetti per lettura e manipolazione di dati astrofisici e formati di dati.
  • Introduzione all’utilizzo e gestione di repository (e.g., GIT) e relativi comandi

  

LUCE VISIBILE  e ONDE RADIO

  • Richiami di ottica geometrica e configurazioni ottiche dei telescopi. 
  • Principali caratteristiche dei telescopi: ottiche e montatura. Storia e Tipologie di telescopi.  
  • Osservazioni dirette del cielo e acquisizione dati
  • Flussi, magnitudini e grandezze fotometriche. Sistemi di acquisizione CCD. 
  • Sorgenti radio e radiotelescopi
  • Esperienze di fotometria e radioastronomia
  • Missione GAIA

  

RADIAZIONE COSMICA di MICROONDE (CMB)

  • Definizione di corpo nero e fondo cosmico di microonde (CMB). Osservabili cosmologiche e telescopi per l’osservazione.
  • Definizione di spettro angolare del CMB e relative proprietà
  • Mappe e stime di parametri cosmologici. Utilizzo di Healpix, CLASS, etc.

 

SPETTROSCOPIA

  • Introduzione a spettroscopia e spettrometri 
  • Analisi spettroscopiche basate su osservazioni dirette di oggetti celesti

 

ONDE GRAVITAZIONALI 

  • Cenni di relatività generale e introduzione alle onde gravitazionali. Principali sorgenti astrofisiche e cosmologiche di onde gravitazionali. 
  • Definizione di funzione di risposta di un interferometro e stima del segnale su rumore (SNR).  Interferometri attuali (VIRGO, LIGO, KAGRA) e futuri (Einstein Telescope, Cosmic Explorer, LISA). Obiettivi scientifici.
  • Definizione e ricostruzione del rumore.   
  • Progetto di analisi dati di coalescenza di un sistema binario compatto. 
  • Progetti di ricostruzione di un fondo stocastico di onde gravitazionali in presenza di noise e foregrounds.

 

 STRUTTURE SU GRANDE SCALA (tempo permettendo)

  • Introduzione a galassie, ammassi di galassie e clustering
  • Introduzione a spettro di potenza di materia
  • Analisi di auto e cross-correlazione di galassie  
  • Missione EUCLID e obiettivi
Syllabus
  • observational astrophysics (Astropy, Numpy, Scipy, Pandas).
  • Introduction to the use of packages for reading and manipulating astrophysical data and data formats.
  • Introduction to the use and management of repositories (e.g., GIT) and related commands.

VISIBLE LIGHT AND RADIO WAVES

  • Recap of geometric optics and optical configurations of telescopes.
  • Key features of telescopes: optics and mounts. History and types of telescopes.
  • Direct sky observations and data acquisition.
  • Fluxes, magnitudes, and photometric quantities. CCD acquisition systems.
  • Radio sources and radio telescopes.
  • Experiences in photometry and radio astronomy.
  • GAIA Mission.

MICROWAVE COSMIC RADIATION (CMB)

  • Definition of a blackbody and the cosmic microwave background (CMB). Cosmological observables and telescopes for observation.
  • Definition of the angular spectrum of the CMB and its properties.
  • Maps and estimates of cosmological parameters. Use of Healpix, CLASS, etc.

SPECTROSCOPY

  • Introduction to spectroscopy and spectrometers.
  • Spectroscopic analysis based on direct observations of celestial objects.

GRAVITATIONAL WAVES

  • Brief introduction to general relativity and introduction to gravitational waves. Main astrophysical and cosmological sources of gravitational waves.
  • Definition of the response function of an interferometer and estimation of the signal-to-noise ratio (SNR). Current interferometers (VIRGO, LIGO, KAGRA) and future ones (Einstein Telescope, Cosmic Explorer, LISA). Scientific objectives.
  • Definition and reconstruction of noise.
  • Data analysis project of the coalescence of a compact binary system.
  • Projects for the reconstruction of a stochastic gravitational wave background in the presence of noise and foregrounds.

LARGE-SCALE STRUCTURES (if time permits)

  • Introduction to galaxies, galaxy clusters, and clustering.
  • Introduction to the matter power spectrum.
  • Analysis of auto and cross-correlation of galaxies.
  • EUCLID Mission and objectives.

 

 

Bibliografia e materiale didattico

Observational Astrophysics, Robert Smith, Cambridge University Press;

Gravitational Waves, Vol. 1, Michele Maggiore, Oxford Edition;

Manuali e risorse sulla programmazione in Python e sull’uso dei software di riduzione dati impiegati nel corso forniti dal docente;

Bibliography

Textbooks:

  • Observational Astrophysics by Robert Smith, Cambridge University Press.
  • Gravitational Waves, Vol. 1 by Michele Maggiore, Oxford Edition.

Additional Resources:

  • Manuals and resources on Python programming and the use of data reduction software employed in the course will be provided by the instructor.
Modalità d'esame

L'esame consiste in una prova orale in cui vengono descussi i progetti di analisi dati realizzati durante il corso. 

Assessment methods

The exam consists of an oral test during which the data analysis projects carried out during the course will be discussed;

Ultimo aggiornamento 14/09/2023 18:50