DEAVI

DEAVI, de las siglas en ingles, Dynamic Evolution Added Value Interface, es el software desarrollado por Quasar Science Resources S.L. para el proyecto SFM.

DEAVI permite ejecutar los algoritmos científicos desarrollados y proporcionados por el equipo científico del consorcio durante la duración del proyecto. DEAVI muestra los resultados de la ejecución de los algoritmos al usuario y le permite descargarlos. DEAVI incorpora el acceso a los archivos de las misiones científicas de la ESA Herschel y Gaia así como acceso a datos auxiliares. Los algoritmos pueden ejecutarse contra los resultados de las queries a estos archivos.

DEAVI se puede encontrar en el siguiente enlace

 https://sfmdeavi.quasarsr.com/

DEAVI incorpora varios algoritmos. El siguiente enlace proporciona una descripción breve (en inglés) de los algoritmos incorporados.

https://starformmapper.org/algorithms/

Los principales son:

  • INDICATE, de las sigla en inglés INdex to Define Inherent Clustering And TEndencies, es un método estadístico de agrupamiento novedoso que evalúa y cuantifica el grado de agrupación espacial de un objeto dentro de un grupo de datos. De gran versatilidad, INDICATE tiene muchas aplicaciones, incluida la caracterización morfológica de rasgos estelares, útiles para trazar la evolución espacial de regiones de formación estelar.

Imagen: ejemplo de página de resultados del algoritmo INDICATE.

Buckner, A. M. et al., 2019, The spatial evolution of young massive clusters-I. A new tool to quantitatively trace stellar clustering.
Astronomy & Astrophysics, 622, A184.

Buckner, A. M. et al., 2020, The Spatial Evolution of Young Massive Clusters II.
Looking for Imprints of Star Formation in NGC 2264 with Gai DR2. 
Astronomy & Astrophysics, 636, A80.

  • S2D2 es un algoritmo que emplea agrupaciones espaciales basadas en densidad en aplicaciones con ruido (del ingles DBSCAN) para detectar las estructuras más pequeñas significativas en espacios y espacios cinemáticos espaciales. El procedimiento propone, en regiones estructuradas, el cálculo a partir de la variable de escala epsilon y Nmin, las dos calculadas por DBSCAN, para extraer las estructuras más pequeñas de una región a un nivel de significancia de 3 sigma. Si la región no contiene estructura, o el usuario lo prefiere, las variable de escala epsilon y Nmin pueden ser suministradas y DBSCAN correrá con estos parámetros suministrados, sin embargo, no se garantiza el nivel de significancia de las estructuras encontradas.

Imagen: ejemplo de página de resultados del algoritmo S2D2.

Papers ref. González, M. et al., 2020, S2D2: Small-scale significant Substructure DBSCAN Detection. I. NESTs detection in 2D star-forming regions.

A&A aceptado para su publicación.

 

DEAVI incorpora también el acceso a las simulaciones desarrolladas por Cardiff. Las simulaciones incluyen el estado del arte en simulaciones N-body para el estudio de la formación de cúmulos estelares jóvenes. El siguiente enlace proporciona una descripción breve (en inglés) sobre lo que contienen las simulaciones y cómo se han generado.

https://starformmapper.org/home/simulation-data/

 

 

DEAVI se puede encontrar en el siguiente enlace

 https://sfmdeavi.quasarsr.com/