Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/43115
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorKalaki, Fabrício Santos-
dc.date.accessioned2024-08-26T12:34:57Z-
dc.date.available2024-08-26T12:34:57Z-
dc.date.issued2024-04-24-
dc.identifier.citationKALAKI, Fabrício Santos. Predição de Microlentes Gravitacionais. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Física) - Universidade Federal de Uberlândia, Uberlândia, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/43115-
dc.description.abstractThe aim of this study was to develop a methodology for predicting apparent close encounters between two stars, using a robust stellar motion propagation approach for gravitational microlensing events. This methodology incorporated parallaxes and radial velocities to improve the accuracy of the predictions. The work was based on the results obtained by Kluter et al. (2022), who identified 4842 of these encounters. A Python code was used, taking advantage of the astropy and astroquery libraries, along with data from the Gaia-DR3 catalog. After analysis, we found 74,590 predictions from 1974 to 2116, of which 3609 coincided with those of the authors. Notably, between 2010 and 2070, the period examined by Kluter et al. (2022), we identified 32,114 close encounters, six times more than the number previously recorded. In addition, from the current period (2024) to 100 years (2116) the time of the catalog (J2016.0), 45,831 events were found.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectMicrolentes Gravitacionaispt_BR
dc.subjectGravitational Microlensingpt_BR
dc.subjectMetodologia Robustapt_BR
dc.subjectRobust Methodologypt_BR
dc.subjectPrediçõespt_BR
dc.subjectPredictionspt_BR
dc.titlePredição de Microlentes Gravitacionaispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Almeida, Leandro de-
dc.contributor.advisor1Gomes-Júnior, Altair Ramos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6590192990208891pt_BR
dc.contributor.referee1Almeida, Gustavo Foresto Brito de-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0143144366886534pt_BR
dc.contributor.referee2Camargo, Júlio Ignácio Bueno de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2331088061589222pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8707781555631124pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO objetivo deste estudo foi desenvolver uma metodologia para prever encontros próximos aparentes entre duas estrelas, usando uma abordagem de propagação robusta do movimento estelar para eventos de microlentes gravitacionais. Essa metodologia incorporou paralaxes e velocidades radiais para melhorar a precisão das predições. O trabalho se baseou nos resultados obtidos por Kluter et al. (2022), que identificaram 4842 desses encontros. Utilizou-se um código em Python, aproveitando as bibliotecas do astropy e astroquery, juntamente com dados do catálogo Gaia-DR3. Após análise, encontramos 74.590 predições no período de 1974 a 2116, das quais 3609 coincidiram com as dos autores. Notavelmente, entre 2010 e 2070, o período examinado por Kluter et al. (2022), identificamos 32.114 encontros próximos, seis vezes mais do que o número anteriormente registrado. Além disso, a partir do período atual (2024) até 100 anos (2116) a época de catálogo (J2016.0), 45.831 eventos foram encontrados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseFísicapt_BR
dc.sizeorduration46pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.orcid.putcode166270328-
Aparece en las colecciones:TCC - Física (Licenciatura)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
PrediçãoMicrolentesGravitacionais.pdf2.17 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons