Luan Orion de Oliveira Baraúna Ferreira

Luan Orion Baraúna, doctoral student in Applied Computing at the National Institute for Space Research (INPE), holds a bachelor's degree (2016), a degree (2017), a master's degree in Physics (2019) from the Federal University of Bahia and is studying a specialization in Data Science and Big Data at the Pontifical Catholic University of Minas Gerais. He has experience in physics teaching and physics research, with an emphasis on Cosmology and Astrophysics and Machine Learning. He worked on computational adjustments of cosmological models using data from Super Novas AI. He has worked with Cosmological Disturbance Theory on models of dark energy such as Chaplygin Gas using Redshift Space Distortion data for selection of alternative models through the probability distribution of Monte Carlo Chains. He also acted as a teacher in elementary, middle and higher education, developing the teaching of basic physics in the areas of engineering. He works on the development of the graphical interface software for teaching cosmology SimECosmo. Collaborates on the BINGO Radio Telescope Project working with radio interference signals (RFI), colored noise, simulation and characterization of astrophysical signals in radio transients, in particular, Fast Radio Burst (FRB) performing selection of machine learning models from neural networks. He collaborates in the BPG-LSST Project as a junior scientist, pursuing morphological classification of galaxies using "Gradient Pattern Analysis" (GPA). He is interested in modelling, computational cosmology, observational cosmology, statistical testing, data analysis in astrophysics, artificial intelligence applied to astrophysics, deep-leaning and teaching.

Luan Orion Baraúna, doutorando em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE), possui bacharelado, (2016), licenciatura, (2017), mestrado em Física (2019) pela Universidade Federal da Bahia e cursa a Especialização em Ciência de Dados e Big Data na Pontifícia Universidade Católica de Minas Gerais. Possui experiência em ensino de física e pesquisa em física, com ênfase em Cosmologia e Astrofísica e Aprendizado de Maquinas. Trabalhou com ajuste computacionais de modelos cosmológicos utilizando dados de Super Novas IA. Trabalhou com Teoria de Perturbações Cosmológicas em modelos de energia escura como Gás de Chaplygin utilizando dados da Distorção no Espaço do Redshift para seleção de modelos alternativos através através da distribuição de probabilidade das Cadeias de Monte Carlo. Atuou também como professor no ensino fundamental, médio e superior, desenvolvendo o ensino de física básica nas áreas de engenharias. Atua no desenvolvimento do software de interface gráfica para o ensino de cosmologia SimECosmo. Colabora no Projeto do Rádio Telescópio BINGO trabalhando com sinais de interferência de rádio (RFI), ruídos coloridos, simulação e caracterização de sinais astrofísicos em transientes de rádio, em particular, Rajada Rápida de Rádio (FRB) realizando seleção de modelos de aprendizado de máquinas a partir de redes neurais. Colabora no Projeto BPG-LSST como cientista júnior, buscando classificação morfológica de galáxias utilizando "Gradient Pattern Analysis" (GPA). Possui interesse em modelagem, cosmologia computacional, cosmologia observacional, testes estatísticos, análise de dados em astrofísica, inteligência artificial aplicada a astrofísica, deep-leaning e ensino.