Carlos José Díaz Baso

Bilde av Carlos José  Díaz Baso
English version of this page
Brukernavn
Besøksadresse Sem Sælands vei 13 0371 Oslo
Postadresse Postboks 1029 0315 Oslo

Profil
Carlos José Díaz Baso er postdoktor ved RoCS. Hans generelle interesseområder er Bayesiansk statistikk, dyp læring og solfysikk. Forskningen hans fokuserer på å forstå solens kromosfæriske fenomener (fra stille solfilamenter til eksplosive hendelser) og deres magnetiske opprinnelse. Han planlegger å oppnå dette målet ved å undersøke rom- og bakkebaserte spektropolarimetriske observasjoner av høy kvalitet med nye dyplærings- og Bayesianske inferensteknikker, og sammenligne dem med numeriske modeller av solatmosfæren.

Akademiske interesser
Solfysikk
Bayesiansk statistikk
Dyp læring

Utdanning
2022-nå postdoktor, Rosseland Center for Solar Physics (RoCS), Oslo, Norge
2018-2022 Postdoktor, Institutt for solfysikk (ISP), Stockholm, Sverige
2014-2018 Ph.D. i astrofysikk, Universidad de La Laguna (ULL), Spania

 

Emneord: Solar Chromosphere, Radiative processes, deep learning, plasma physics, Solar Physics

Publikasjoner

Se alle arbeider i Cristin

  • Soler Poquet, Ignasi Josep; van der Voort, Luc H.M. Rouppe & Díaz Baso, Carlos José (2023). Interpretación de observaciones solares usando redes neuronales.
  • Soler Poquet, Ignasi Josep; van der Voort, Luc H.M. Rouppe & Díaz Baso, Carlos José (2023). Interpretation of Solar Observations with Deep Learning.
  • Díaz Baso, Carlos José (2023). Deep Learning 2.0: Combining physics-based models with data-driven solutions.
  • Díaz Baso, Carlos José (2023). Deep Learning 2.0: Combining physics-based models with data-driven solutions.
  • Díaz Baso, Carlos José (2023). Differentiable programming for spectra modeling and inference.
  • Díaz Baso, Carlos José (2023). Unleashing the Potential of Machine Learning for Efficient Analysis of Solar Observations.
  • Díaz Baso, Carlos José (2022). Webinar Lead Talk - Inteligencia artificial al servicio de la física solar.
  • Díaz Baso, Carlos José (2022). Unlocking the potential of deep learning for the analysis of spectropolarimetric observations.

Se alle arbeider i Cristin

Publisert 28. okt. 2022 14:38 - Sist endret 20. jan. 2023 16:32