Studies

Žvaigždžių populiacijų formavimasis galaktikų diskuose kol kas dar nėra gerai suprastas. Pagrindinis šių populiacijų žvaigždžių šaltinis yra žvaigždžių spiečiai, kurie palaipsniui suardomi galaktikų diskuose. Svarbiausias disertacijos tikslas – atskleisti šį procesą valdančius faktorius ir jų priklausomybes nuo galaktikų diskų parametrų. Naudosime archyvinius kosminių ir antžeminių teleskopų stebėjimų duomenis ir stochastinius žvaigždžių spiečių evoliucijos modelius. Disertacijos tikslui pasiekti bus kuriamas naujas  metodas žvaigždžių spiečių suardymui ir pasklidimui galaktikų diskuose modeliuoti. Planuojame, kad metodas turėtų remtis besimokančių sistemų (angl. machine learning, ML) ir konvoliucinių neuroninių tinklų (angl. convolutional neural network, CNN) metodais.

The formation of stellar populations in galaxy disks is still not well understood. The main source of stars for these populations is star clusters that are gradually dissolving up in galaxydisks. The main goal of the thesis is to reveal the factors governing this process and their  dependence on the environmental parameters within galaxies. We will use observational data from space and ground-based telescopes and stochastic models of the star cluster evolution. In order to achieve the goal of the thesis, a new method will be developed to model the  destruction and dispersion of star clusters within galaxy disks. We plan that the method should be based on machine learning (ML) and convolutional neural network (CNN) methods.