Calendar

Feb
28
Wed
Ricevimento studenti – Argiroffi
Feb 28 @ 9:30 – 11:00
Mar
1
Thu
comunicaz. CUG
Mar 1 @ 11:30 – 13:30
Prova Tesi V. Sapienza
Mar 1 @ 15:00 – 16:00

Lo studente Vincenzo Sapienza presenta il suo lavoro di tesi per la Laurea Triennale.

Egli si e` occupato dell’analisi e dell’interpretazione di due flares di stelle di tipo WTT appartenenti alla regione di Rho Ophiuchi. Ha derivato le caratteristiche della loop del flare e di altre grandezze fisiche del fenomeno applicando le diagnostiche sviluppate in Reale (2007). Il lavoro e` stato svolto sotto la supervisione di I. Pillitteri e del prof. G. Peres (relatore presso UNIPA)
Mar
2
Fri
Telecon edu.inaf.it
Mar 2 @ 9:45 – 13:45
Mar
7
Wed
Ricevimento studenti – Argiroffi
Mar 7 @ 10:00 – 12:00
Mar
8
Thu
Ileana Chinnici (INAF – Osservatorio Astronomico di Palermo) Donne e scienza: un binomio possibile? La scienza al femminile @ Osservatorio Astronomico di Palermo
Mar 8 @ 15:30 – 17:00

Partendo da analisi di tipo sociologico e statistico del XX secolo, saranno discusse le difficoltà incontrate dalle donne nella carriera scientifica e le potenzialità del loro contributo allo sviluppo della scienza.

Mar
9
Fri
Seminario Tesi di Dottorato: Esther Gonzalez Alvarez
Mar 9 @ 10:30 – 12:00
Planets around low-mass stars and stellar activity correction
Mar
12
Mon
Seminario Tesi di Dottorato: Daniele Locci
Mar 12 @ 11:30 – 13:00
THE INTERACTION OF THE STELLAR HIGH ENERGY RADIATION WITH THE CIRCUMSTELLAR MEDIUM
Apr
5
Thu
Retrieving exoplanetary atmospheres with artificial intelligence. Tiziano Zingales, INAF-OAPA
Apr 5 @ 15:00 – 17:30
ABSTRACT: Atmospheric retrievals on exoplanets involve usually computationally intensive Bayesian methods. The choice of the fitting parameters bounds are often leaded by physical constraints and the user experience. In these paper we introduce an alternative method that can help to automatically define the boundary conditions of the model and set a reliable parameters space for a Bayesian analysis. We show how a new generation of neural networks, a Generative Adversarial Network (GAN), can learn how to reproduce a transmission spectrum and understand how it depends on the planetary physical parameters.
Apr
6
Fri
Ricevimento studenti – Argiroffi
Apr 6 @ 15:00 – 17:00