Cérebro

Um novo pacote Python chamado PyMGal foi desenvolvido para auxiliar pesquisadores em astrofísica na geração de observações ópticas sintéticas a partir de simulações hidrodinâmicas de galáxias. Apresentado no artigo arXiv:2507.00123, de Patrick Janulewicz e Weiguang Cui, o PyMGal visa facilitar a comparação direta entre os resultados de simulações teóricas e os dados obtidos por telescópios reais. O PyMGal funciona lendo as propriedades de partículas estelares de simulações hidrodinâmicas. A partir dessas propriedades, o pacote gera distribuições de energia espectral (SEDs) utilizando uma variedade de modelos de populações estelares que podem ser customizados pelo usuário. Com as SEDs geradas, o programa é capaz de calcular o brilho das partículas em diferentes unidades de saída para centenas de filtros únicos. Uma das principais funcionalidades do PyMGal é a projeção dessas quantidades em um plano 2D, mimetizando uma observação telescópica. O software é compatível com diversos fo...

Um novo artigo disponível no arquivo arXiv descreve o desenvolvimento e a funcionalidade de um cliente em Python projetado para interagir com a API do sistema ATLAS (Asteroid Terrestrial-impact Last Alert System). O ATLAS é um projeto de pesquisa astronômica que realiza um levantamento óptico de todo o céu com uma cadência de 24 a 48 horas. Seu principal objetivo é a detecção e rastreamento de asteroides próximos à Terra, mas o servidor de transientes do ATLAS também processa o fluxo de alertas para possibilitar a descoberta e o acompanhamento de transientes extra-galácticos, como supernovas. O acesso aos dados gerados pelo servidor ATLAS é feito através de uma API REST. Essa interface programática tem sido fundamental para o desenvolvimento de "bots" – softwares automatizados – que necessitam de acesso direto aos dados. Esses bots desempenham um papel crucial na classificação de alertas e no disparo de observações de acompanhamento para alvos considerados promissores. ...

Um novo artigo de pesquisa introduz um framework open-source em Python e um conjunto de quatro datasets sintéticos de imagens de eletrocardiogramas (ECG), visando avançar tarefas críticas baseadas em deep learning na análise de ECG. O framework e os datasets resultantes são projetados para facilitar a digitalização de ECG, a detecção de regiões e nomes de derivações, e a segmentação de formas de onda em nível de pixel. Utilizando o dataset de sinais PTB-XL como base, o framework proposto gera quatro datasets de acesso aberto, cada um focado em um aspecto específico da análise de imagens de ECG. O primeiro dataset consiste em imagens de ECG em várias configurações de derivações pareadas com sinais de séries temporais para digitalização. O segundo fornece imagens de ECG anotadas com caixas delimitadoras no formato YOLO para a detecção de regiões e nomes de derivações. Os datasets três e quatro contêm imagens de derivação única recortadas com máscaras de segmentação compatíveis com mod...