DINÁMICA DE LA NUBE ZODIACAL

Bibcode
LINK
JESUS GONZALEZ DE BUITRAGO
Director de tesis
Francisco
Sánchez Mártinez
Fecha de publicación:
1
1982
Descripción

PARTIENDO DE LOS ULTIMOS RESULTADOS EXPERIMENTALES
SUMINISTRADOS POR LAS SONDAS ESPACIALES HELIOS A Y B  ASI
COMO DEL CONJUNTO DE MEDIDAS DE LA LUZ ZODIACAL OBTENIDAS
DESDE OBSERVATORIOS TERRESTRES  SE ESTABLECE POR PRIMERA
VEZ UN ESQUEMA TEORICO DE LA DINAMICA DE LA MATERIA
INTERPLANETARIA. DENTRO DE ESTE ESQUEMA  SE ANALIZAN LAS
DISTINTAS FUERZAS ACTUANTES SOBRE LAS PARTICULAS DEL
MEDIO Y SE FORMULA UNA ECUACION DE CONTINUIDAD QUE
PERMITE EXPLICAR DE MANERA SATISFACTORIA  (CONCORDANTE
CON LOS DATOS EXPERIMENTALES) LA DISTRIBUCION ESPACIAL DE
MATERIAS EN FUNCION DE LA DISTANCIA AL SOL. FINALMENTE SE
DISCUTEN LOS PROBLEMAS DE LA ESTABILIDAD Y DE LAS
DISTINTAS FUENTES QUE PUEDEN ORIGINARLO.

Tipo
Tesis

Te puede interesar

  • Tesis
    IMPROVEMENT OF FARSIDE ACTIVITY DETECTION WITH MACHINE LEARNING TECHNIQUES AND APPLICATIONS
    Hasta ahora, la única formar de monitorizar de manera consistente el hemisferio del Sol no visible (farside de aquí en adelante) desde la Tierra es el uso de métodos heliosísmicos. Estos métodos interpretan las oscilaciones del hemisferio visible (nearside de aquí en adelante) para inferir la actividad del farside, que es de gran importancia en las
    Elena García Broock

    Fecha de publicación:

    2
    2024
    Bibcode
    Thesis
  • Tesis
    GALAXY FORMATION WITH GPU-ACCELERATED COMPUTING
    Esta tesis doctoral está dedicada al estudio de la formación y evolución de galaxias en un contexto cosmológico, aprovechando la potencia de la computación de alto rendimiento con un énfasis particular en la computación acelerada por tarjetas gráficas (GPU). Para avanzar en el campo, la tesis se enfoca en ampliar las capacidades del código público
    Isaac Alonso Asensio

    Fecha de publicación:

    11
    2023
    Bibcode
    Tesis
  • Tesis
    UNCOVERING THE PHYSICS OF GALAXIES WITH SELF-SUPERVISED DEEP LEARNING
    As surveys grow, the challenge is how to explore and interpret the increasing quantity of data. For this, removing the observational biases and reducing the dimensionality of the data are fundamental. A promising avenue to do this is a self-supervised deep learning algorithm called contrastive learning. Contrastive learning is especially effective
    Regina Sarmiento

    Fecha de publicación:

    12
    2023
    Bibcode
    Tesis