Argentina, Maestría en Astronomía de la Universidad Nacional de La Plata en 2005 y Doctorado en física de la Universidad de Buenos Aires en 2010. 

Es parte del Instituto de Ciencias Computacionales Aplicadas de la Universidad de Harvard, donde usa algoritmos de aprendizaje automático para realizar investigaciones astrofísicas basadas en datos.

Intereses en evolución estelar, la actividad y la rotación, así como el impacto que las estrellas tienen en sus planetas en órbita: la interacción estrella-planeta. Utiliza simulaciones magnetohidrodinámicas y aprendizaje profundo para estudiar problemas como la evolución descendente de estrellas jóvenes y activas, entornos exoplanetarios y su habitabilidad, y la evolución orbital de variables cataclísmicas. 

En Busca de Planetas Habitables Usando Redes Neuronales.

Vivimos en una era fascinante para la astronomía. Las primeras detecciones de planetas en órbita alrededor de otras estrellas (planetas extrasolares o exoplanetas), en los años 90´, marcaron el principio de una revolución para la astrofísica estelar y planetaria, reconocida recientemente con el premio Nobel de Física. A la luz del creciente número de misiones espaciales de última generación destinadas a la deteccion y caracterizacion de planetas extrasolares, sumado a la gran cantidad de investigadores dedicados a su estudio, nos encontramos, tal vez, en vísperas de detectar evidencia de vida en otras partes del universo.

Mientras que el número de exoplanetas detectados sigue creciendo de manera explosiva en estos últimos 20 años, la pregunta que adquiere más relevancia es cuáles de ellos podrían albergar vida. En esta charla voy a discutir cómo la correcta caracterización de las estrellas anfitrionas es crucial para comprender las condiciones en los planetas que las orbitan. La abrumadora cantidad estrellas observadas por los instrumentos modernos más cierta degeneración en parámetros observables, convierten este problema en un gran desafío que necesita ser abordado con las herramientas apropiadas. Discutiré cómo las redes neuronales Bayesianas pueden ofrecernos una buena solución a este problema.