Soumya D. Mohanty
Professor
Ph.D.校际天文学中心 & 天体物理学,浦那,印度,1997
Office: BINAB 2.130 (Brownsville)
Phone: 956 882 6680
Email: soumya.mohanty@shsanxing.net
Curriculum Vitae
Teaching
General Physics I
天文学导论I和II
(研究生和本科生)经典力学
量子II(量子场论)
(研究生)现代天文学统计方法
Research
我的研究重点是解决引力波(GW)天文学中所有观测频段的一些重要数据分析挑战. 以下是我一些值得注意的贡献. (a)突发GW信号数据的相干网络分析[在这些论文中] 1,2]. 这项工作与第一次直接检测GWs的相关性可以在 this paper. (b) Population study method 探测gw和伽马射线暴(以及其他天体物理触发因素)之间的联系. 这是现在的标准方法 analyze GW data. (c) Introduction of 粒子群算法在GW数据分析中的应用在美国,它现在使用得更频繁了. 对于统计和大数据的爱好者, 这些挑战跨越了广泛的领域,如噪声数据中弱信号的半参数回归, 高维非线性参数回归, 时间序列分类, 以及对大型异构传感器阵列数据的分析. 我在GW数据分析方面的工作得到了美国研究公司(Research Corporation)的资助.S. 国家科学基金会和美国国家航空航天局. In the area of pedagogy, 我开发了一门创新的课程,利用电子游戏的媒介来教授物理. View an 课程的早期版本 on game-based-learning.
我最近的工作包括对未来大型脉冲星定时阵列(PTA)的GW灵敏度的现实估计 this PRL paper and a demonstration, reported in ApJLPTAs能够探测到比目前假设的更高频率的信号. PSO现在已经被证明是一个很有前途的工具来加速 二进制激励GW信号的网络分析. (最近获得了NSF核磁共振基金的资助, 基于pso的网络分析搜索将在GPU集群上实现,同时搜索未建模的啁啾.),这与GW的数据分析不同, 我贡献了一种非参数回归方法,该方法使用粒子群算法对数据进行样条的自适应拟合. 此方法的代码称为SHAPES,可从 GitHub. 在我的书中给出了在统计回归问题中使用PSO的教学介绍 统计回归的群体智能方法, published by CRC Press.
我尽量在我的网站上保持最新的研究记录 ResearchGate page.
希望从事大规模数据科学应用和高性能计算研究的研究生和本科生可以通过电子邮件与我联系.