{"id":319,"date":"2026-04-15T15:06:17","date_gmt":"2026-04-15T18:06:17","guid":{"rendered":"https:\/\/www.ccen.ufpb.br\/ppgf\/?p=319"},"modified":"2026-04-15T15:06:57","modified_gmt":"2026-04-15T18:06:57","slug":"coloquio-boosting-inference-for-gravitational-wave-astrophysics-saulo-albuquerque","status":"publish","type":"post","link":"https:\/\/www.ccen.ufpb.br\/ppgf\/ciclo-de-coloquios\/coloquio-boosting-inference-for-gravitational-wave-astrophysics-saulo-albuquerque\/","title":{"rendered":"Col\u00f3quio: Boosting Inference for Gravitational-Wave Astrophysics (Saulo Albuquerque)"},"content":{"rendered":"<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"235\" height=\"310\" src=\"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-content\/uploads\/sites\/115\/sites\/445\/2026\/04\/foto-coloq-4.png\" alt=\"\" class=\"wp-image-320\" srcset=\"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-content\/uploads\/sites\/115\/sites\/445\/2026\/04\/foto-coloq-4.png 235w, https:\/\/www.ccen.ufpb.br\/ppgf\/wp-content\/uploads\/sites\/115\/sites\/445\/2026\/04\/foto-coloq-4-227x300.png 227w\" sizes=\"auto, (max-width: 235px) 100vw, 235px\" \/><\/figure>\n<\/div>\n\n\n<p class=\"wp-block-paragraph\">Ciclo de Col\u00f3quios 2026.1<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Col\u00f3quio #04<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u201cBoosting Inference for Gravitational-Wave Astrophysics\u201d<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Dr.&nbsp;Saulo Albuquerque<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">P\u00f3s-doc e research fellow na Universit\u00e1 degli Studi di Urbino, It\u00e1lia &#8211; INFN Firenze Membro da colabora\u00e7\u00e3o LIGO-Virgo-Kagra (LVK)<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Sexta-feira, 17 de abril de 2026, \u00e0s 14h, na&nbsp;sala 201 do Departamento de F\u00edsica\/CCEN.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Resumo: Nesse col\u00f3quio, apresentamos os resultados do projeto de pesquisa BIGA (Boosting Inference for GravitationalWave Astrophysics), fruto de uma colabora\u00e7\u00e3o de diversos grupos de pesquisa italianos pertencentes ao observat\u00f3rio Virgo, com o prop\u00f3sito de desenvolver e promover uma nova pipeline que analisa sinais de ondas gravitacionais detectados pelos interfer\u00f4metros da colabora\u00e7\u00e3o LIGO-Virgo-Kagra (LVK) no regime de baixa lat\u00eancia. A pipeline foi desenvolvida tendo em vista tanto as atuais demandas da colabora\u00e7\u00e3o LVK, bem como a pr\u00f3xima gera\u00e7\u00e3o de detectores de ondas gravitacionais (como o Einstein Telescope &#8211; ET; e o Laser Interferometer Space Antenna &#8211; LISA). O projeto integra de forma otimizada softwares de ponta desenvolvidos nos \u00faltimos anos, como os algoritmos de machine learning e intelig\u00eancia artificial, com dispositivos hardware de \u00faltima gera\u00e7\u00e3o, como os dispositivos com GPU integradas da Nvidia. O resultado dos esfor\u00e7os desenvolvidos  nesse projeto \u00e9 uma arquitetura de algoritmos, altamente otimizados, que analisa um sinal e estima par\u00e2metros de um potencial evento de onda gravitacional em poucos minutos, representando um dram\u00e1tico speed-up comparado com o longo tempo necess\u00e1rio para uma estimativa de par\u00e2metro completa (dias ou at\u00e9 semanas). Tendo em vista o paradigma estabelecido pela astronomia multi mensageira, essa r\u00e1pida resposta na caracteriza\u00e7\u00e3o de um sinal de onda gravitacional pode ser vital para o sucesso da campanha de busca por em-follow up ou neutrino-follow up (contrapartes eletromagn\u00e9ticos e de neutrinos ao sinal de onda gravitacional). As principais frentes desse projeto se dividem nos seguintes subprojetos: 1) A elabora\u00e7\u00e3o de um sampling algorithm para r\u00e1pida e precisa infer\u00eancia Bayesiana via JAX, que se beneficia de uma acelera\u00e7\u00e3o de performance via GPU, e de um alto poder de paraleliza\u00e7\u00e3o, chamado SHARPy. Esse sampler utiliza um algoritmo baseado no gradiente da likelihood, e portanto tem sua performance ainda mais amplificada pela diferencia\u00e7\u00e3o autom\u00e1tica (AD). 2) A \u2018JAX-fica\u00e7\u00e3o\u2019 de um aproximante surrogate baseado em machine learning, que permite a gera\u00e7\u00e3o de simula\u00e7\u00f5es de templates de ondas gravitacionais de forma extremamente \u00e1gil e paralelizada com mecanismos nativos do JAX, e extremamente compat\u00edvel com o SHARPy. 3) O desenvolvimento de um algoritmo para reconstru\u00e7\u00e3o anal\u00edtica da posteriores, por meio de uma t\u00e9cnica baseada em machine learning, resultando no SKYFAST. Esse \u00faltimo algoritmo produz em pouco tempo um mapa celeste da fonte do sinal de onda gravitacional e ranqueia as mais prov\u00e1veis gal\u00e1xias sedes da fonte astrof\u00edsica do sinal. Combinando os tr\u00eas projetos acima, o resultado \u00e9 uma pipeline completa que produz estimativas de par\u00e2metros, mapa celeste, e ranking de gal\u00e1xias de aproximadamente 8 a 12 minutos.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ciclo de Col\u00f3quios 2026.1 Col\u00f3quio #04 \u201cBoosting Inference for Gravitational-Wave Astrophysics\u201d Dr.&nbsp;Saulo Albuquerque P\u00f3s-doc e [&hellip;]<\/p>\n","protected":false},"author":522,"featured_media":231,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-319","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciclo-de-coloquios"],"_links":{"self":[{"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/posts\/319","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/users\/522"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/comments?post=319"}],"version-history":[{"count":1,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/posts\/319\/revisions"}],"predecessor-version":[{"id":321,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/posts\/319\/revisions\/321"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/media\/231"}],"wp:attachment":[{"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/media?parent=319"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/categories?post=319"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ccen.ufpb.br\/ppgf\/wp-json\/wp\/v2\/tags?post=319"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}