{"id":{"repo_id":"oviedo","oai_identifier":"oai:digibuo.uniovi.es:10651/81466"},"canonical_url":"https://search.dev.ndltd.org/etd/oviedo/oai:digibuo.uniovi.es:10651/81466","repository":{"repo_id":"oviedo","name":"Universidad de Oviedo","base_url":"https://digibuo.uniovi.es/oai/request"},"display":{"title":"Algorithmic and Machine Learning Approaches in Physics: From Hyper- Kamiokande to Cosmology","abstract":"El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundantes, siguen siendo uno de los componentes más enigmáticos de la física fundamental. Sus propiedades únicas, como su masa extremadamente pequeña, su débil interacción con la materia y su capacidad de oscilar entre distintos sabores, los convierten en herramientas privilegiadas para explorar fenómenos más allá del Modelo Estándar y para comprender la estructura y evolución del Universo a gran escala. Aprovechar todo su potencial científico requiere cada vez más de técnicas computacionales sofisticadas que permitan enfrentar problemas complejos de optimización experimental, análisis de datos e inferencia estadística.","abstract_html":"El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundantes, siguen siendo uno de los componentes más enigmáticos de la física fundamental. Sus propiedades únicas, como su masa extremadamente pequeña, su débil interacción con la materia y su capacidad de oscilar entre distintos sabores, los convierten en herramientas privilegiadas para explorar fenómenos más allá del Modelo Estándar y para comprender la estructura y evolución del Universo a gran escala. Aprovechar todo su potencial científico requiere cada vez más de técnicas computacionales sofisticadas que permitan enfrentar problemas complejos de optimización experimental, análisis de datos e inferencia estadística.","abstract_has_math":false,"creators":["Rodríguez Cabo, Sara"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Bonavera, Laura","Suárez Gómez, Sergio Luis"],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025-11-17","date_published":"2025-11-17","updated_at":"2026-07-24T03:41:09Z","subjects":["Cosmología","Soluciones algorítmicas","Hyper- Kamiokande"],"languages":["eng"],"rights":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/10651/81466","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Bonavera, Laura","Suárez Gómez, Sergio Luis"]},{"key":"dc:contributor.other","label":"Dc Contributor Other","values":["Física, Departamento de"]},{"key":"dc:creator","label":"Author","values":["Rodríguez Cabo, Sara"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2025-12-03T12:14:51Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2025-12-03T12:14:51Z"]},{"key":"dc:date.issued","label":"Date","values":["2025-11-17"]},{"key":"dc:type","label":"Dc Type","values":["doctoral thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Cosmología","Soluciones algorítmicas","Hyper- Kamiokande"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["eng"]},{"key":"dc:rights","label":"Dc Rights","values":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/10651/81466"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundantes, siguen siendo uno de los componentes más enigmáticos de la física fundamental. Sus propiedades únicas, como su masa extremadamente pequeña, su débil interacción con la materia y su capacidad de oscilar entre distintos sabores, los convierten en herramientas privilegiadas para explorar fenómenos más allá del Modelo Estándar y para comprender la estructura y evolución del Universo a gran escala. Aprovechar todo su potencial científico requiere cada vez más de técnicas computacionales sofisticadas que permitan enfrentar problemas complejos de optimización experimental, análisis de datos e inferencia estadística."]},{"key":"dc:title","label":"Title","values":["Algorithmic and Machine Learning Approaches in Physics: From Hyper- Kamiokande to Cosmology"]}]}],"canonical_facts":{"dc:contributor.advisor":["Bonavera, Laura","Suárez Gómez, Sergio Luis"],"dc:contributor.other":["Física, Departamento de"],"dc:creator":["Rodríguez Cabo, Sara"],"dc:date.accessioned":["2025-12-03T12:14:51Z"],"dc:date.available":["2025-12-03T12:14:51Z"],"dc:date.issued":["2025-11-17"],"dc:description.abstract":["El objetivo principal de esta tesis doctoral es desarrollar y aplicar metodologías computacionales avanzadas para abordar desafíos clave en la física de neutrinos y en la cosmología. Esta investigación se fundamenta en la premisa de que los neutrinos, a pesar de ser partículas extremadamente abundantes, siguen siendo uno de los componentes más enigmáticos de la física fundamental. Sus propiedades únicas, como su masa extremadamente pequeña, su débil interacción con la materia y su capacidad de oscilar entre distintos sabores, los convierten en herramientas privilegiadas para explorar fenómenos más allá del Modelo Estándar y para comprender la estructura y evolución del Universo a gran escala. Aprovechar todo su potencial científico requiere cada vez más de técnicas computacionales sofisticadas que permitan enfrentar problemas complejos de optimización experimental, análisis de datos e inferencia estadística."],"dc:identifier.uri":["https://hdl.handle.net/10651/81466"],"dc:language.iso":["eng"],"dc:rights":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["Cosmología","Soluciones algorítmicas","Hyper- Kamiokande"],"dc:title":["Algorithmic and Machine Learning Approaches in Physics: From Hyper- Kamiokande to Cosmology"],"dc:type":["doctoral thesis"]},"updated_at":"2026-07-24T03:41:09Z"}