• article-nadc将人工智能技术用于太阳磁场定标取得新进展
    结果表明（如图1所示）MLP网络的结果与反演结果基本接近，可以克服线性定标存在的磁饱和效应（如图1右列本影区域所示），测试集的MLP预测的结果与光谱反演结果的拟合决定系数在0.91以上，样本预测与反演结果的残差在 ...
    这证明了神经网络方法在单波段磁场定标中可以获得良好的结果。 图1 Hinode/SP活动区MLP预测结果比较。
    第一行是横场结果，从左至右分别为反演的结果、MLP的结果、线性定标的结果；第二行为纵场结果，从左至右同上。蓝色框线内为黑子本影区域，即高磁场区域，磁饱和效应较为严重。
    结果表明（如图2所示）：卷积ResNet的预测结果（中）与光谱反演结果（左）更为接近，如红色方框所示。测试集的预测结果与反演结果的决定系数在0.95以上，残差在50G左右。
    相比于MLP的结果，ResNet具有更好的收敛性。 图2 反演、ML和线性定标结果的比较。第一行从左至右为反演、ResNet、线性定标的横场结果；第二行为纵场的反演、ResNet和线性定标结果。
  • metadata地球自转公报A报
    IERS的A公报主要给出地球方向参数、世界时UT1与协调世界时UTC差值及其每日间隔的误差、对未来1年的预测值等数据。
  • article-nadc天文学家利用深度学习预测日冕软X射线辐射
    基于当前主流的日冕极紫外波段成像数据，首次利用深度学习方法预测日冕软X射线波段辐射。
    该研究结果以“Mapping Solar X-Ray Images from SDO/AIA EUV Images by Deep Learning”为题发表在国际天文学杂志《天体物理学杂志 ...
    图1：流程图展示了机器学习模型通过输入多波段极紫外观测数据预测软X射线日冕成像。
    通过该方法预测日冕软X射线观测比传统方法利用极紫外日冕观测反演日冕微分辐射测量（DEM）再预测软X射线观测更便捷、更快、更精确。
    图2：左上方为AI预测的全日面软X射线Al_mesh图；右上方为XRT观测的全日面Al_mesh 图；左下方是两者的相减像，反映预测图与观察图的不同，箭头所指特征为典型的日冕耀斑环；右下方是两者图中像素强度值的相关图 ...
  • article-nadc科研人员基于LAMOST光谱呈现热亚矮星的质量分布
    品红色点虚线为基于LAMOST光谱给出的质量分布；黑色实线、点线和虚线分别是不同参数下理论模型预测的质量分布。 图2.富氦型热亚矮星质量分布。
    蓝色点虚线为基于LAMOST光谱给出的质量分布；黑色点线为理论模型预测的质量分布。 通过对比，科研人员发现sdB型热亚矮星的质量分布和理论模型预测基本一致，峰值质量在0.46倍太阳质量（见图1）。
    而富氦型的热亚矮星质量分布和理论模型预测差别较大。
    富氦型热亚矮星被认为是通过双星并合渠道产生，理论模型预测的峰值质量分布较平，在0.5-0.6倍太阳质量之间（见图2）；而基于LAMOST光谱给出的富氦型热亚矮星的峰值质量在0.42倍太阳质量左右，远小于理论模型预测值 ...
    这一结果表明，富氦型热亚矮星除了通过双星并合渠道产生以外，应该还存在其它形成渠道，有待于后面进行更加深入地研究。 国家天文科学数据中心为天文观测设备和研究计划提供数据与技术服务。
  • article-nadc天文学家基于LAMOST数据回归Gaia DR2中恒星的消光
    二十一世纪的第二个十年，机器学习逐渐成为大数据分析和数据挖掘的主导力量，它从复杂的数据经验中汲取有用信息，并对非经验数据进行有效预测。
    国际上，已经有多个科研团队，以测光数据为基础，试图给出这些天体的星际消光信息，但是，测光学能够提供的数据量十分有限，得到的结果通常存在偏差。
    采用Gaia内部参数训练回归器，并对1.3亿颗恒星的星际消光给出预测。星表交叉验证的标准偏差为0.01星等，盲测的标准偏差为0.04星等。
    图注：该项研究得到的恒星星等—温度图和星等—颜色图 同时，研究人员把结果与多个消光星表进行比较，发现该结果与其它以光谱数据为基础的星表一致，而与测光数据为基础的星表存在较大偏差。
    这暗示与测光数据相比，光谱数据包含更多的有用信息，能够更有效描述恒星物理环境，并最终得到更可靠的结果。
  • article-nadc机器学习技术助力类星体搜寻和红移测量
    采用光学与红外的特征组合，分类结果在准确度、精度、召回率等指标上都超过了95%。最终从BASS DR3数据中挑选出了79万个高置信度的类星体侯选体，为后续光谱巡天搜寻观测提供了可靠的输入星表。
    李长华等人基于机器学习方法，研究了一步模型（对样本整体预测）和两步模型（对样本先分类，再预测）来测算样本的测光红移。
  • article-nadcLAMOST南银冠星系巡天小天区完备观测星系光谱红移星表发布
    研究小组得到的超过3000个吸收线（圆形）和发射线（三角形）星系的光谱红移的空间分布，每个星系的红移以不同颜色加以区分。   ...
    根据输入星表、图像和最终光谱红移的比较结果可推测，对于一般性的河外光谱巡天来说，有不超过1/4的测光输入源可能并不可靠（非星系）。
    这一研究的结果，可以帮助天文学家对前期测光巡天的算法进行改进，进而提高后续光谱巡天的效率和质量，对未来大规模河外光谱巡天可能有积极影响。
  • metadataStarGRUNet
    * data.zip里包含了训练好的模型、测试集标签、测试集预测结果以及APOGEE DR17与LAMOST DR8的交叉匹配星表match.csv。 * pdf.zip里则包含了论文中的所有图片。
  • article-nadc第30届IAU大会现场报道( 6 ): 精彩继续
    但因为工作安排的原因，写完这篇稿子发给国内的媒体小组就得打包行李，明早经阿姆斯特丹转机回国。   这期稿子请允许我偷懒一下。白天开会，展台值班，收集信息，晚上编辑写稿，真的很累。
    BTW，国内媒体小组，特别是@杨丝丝，上班时查收稿件，抓紧时间排版校对，媒体小组一同校对，中午前（正好是维也纳的早晨）发稿，也很辛苦。
  • article-nadc国台-阿里云开放课题征集结果揭晓
    正在云南大理召开的中国虚拟天文台与天文信息学2017年学术年会上，国家天文台-阿里云天文大数据联合研究中心主任、阿里云政务云技术总监张戈先生宣布了“国家天文台-阿里云天文大数据联合研究中心开放课题征集活动”的评审结果 ...
    “国家天文台-阿里云天文大数据联合研究中心冠名博士后”评审结果也同时揭晓，毕业于Turku大学物理与天文学系的Sarah Ann Bird博士以及毕业于中国科学院紫金山天文台的常江博士将在本计划资助下开展博士后研究工作 ...
  • article-nadcAstro2020中的天文信息学
    其中4.5节和附录H的小组报告有很大一部分关于天文信息学的内容。
    因此，小组建议建立一个天文数据档案系统（ADAS）来有效协调这些数据中心。
    因此，小组建议资助机构持续挖掘云计算的使用潜能并在使用云计算设施的培训上予以投资。 数据科学与机器学习 以机器学习为代表的数据科学是天文学研究的新工具。
    因此小组建议投资于对天文学家应用机器学习的培训。 总结 天文信息学在天文学研究转型中发挥着重要的作用。
  • article-nadc研究人员利用LAMOST数据高精度测量银河系尘埃消光系数
    图 1：21个色指数的红化系数的线性拟合结果。点的颜色对应恒星温度，白色圆点代表散点按x坐标分箱后的中值，黑线为白色圆点的加权线性回归，图示线性函数的斜率则代表经典的单值红化系数。
    曲线代表函数拟合结果。黑色虚线代表单值红化系数。 该组红化系数函数不但可以很好的吻合理论预测，而且解释了前人采用不同恒星样本测量所导致的结果不一致问题。
    这些结果将与后续对银河系二维/三维消光规律的研究一起为银河系尘埃消光的高精度改正开启新的篇章。 国家天文科学数据中心为天文观测设备和研究计划提供数据和技术服务。
  • article-nadcEP-WXT探路者首批在轨实测结果发布
    2022年8月27日，在太原举行的第二届中国空间科学大会上，来自中国科学院国家天文台的研究人员发布了EP-WXT 探路者的首批在轨实测结果。
    结果显示，单次观测就能够同时探测到多个方向上的X 射线源，包含了恒星级质量黑洞和中子星。观测也捕捉到一个X射线辐射增亮数倍的中子星X射线双星（图2左）。
    观测结果与仿真结果（图2右）相比高度一致。该仪器也观测了银河系的近邻星系——大麦哲伦云（图3），单次观测即可覆盖整个星系，同时探测到包含黑洞和中子星的多个X射线源。
    初步测试结果表明，仪器功能正常，为满足EP宽视场望远镜的科学需求奠定了坚实的基础。
    Willingale教授表示：“WXT的首光结果令人印象深刻。这是第一个宽视场X射线聚焦望远镜，创造了一个新记录。
  • article-nadcNADC成员李珊珊担任IVOA教育兴趣组副主席
    Bruce Berriman根据执行委员会内部投票结果宣布国家天文科学数据中心成员李珊珊成为IVOA教育兴趣组副主席。
    图1 IVOA主席通过邮件宣布IVOA教育兴趣组主席投票结果 天文学正在经历重大变革，并在逐渐加大尖端仪器与技术的投资。
    同时，李珊珊参与多项国际天文科普教育组织与活动，是国际天文学联合会（IAU）数据驱动的天文科普教育工作组（DAEPO）成员，国际天文学联合会（IAU） 教育办公室（OAE）国际天文教育协调小组（NAEC ...
  • article-nadc机器学习方法在国际大型多波段巡天项目融合数据中的应用
    基于此，研究人员通过机器学习方法构建了适合不同波段样本的最优分类器，为X射线牛顿天文望远镜第九次发布数据（DR9）提供了分类预测和概率。
    接着，利用机器学习方法针对不同波段的已知样本分别构建了不同的分类器，从中挑选出最优分类器对X射线牛顿天文望远镜DR9数据中的未知源给出了分类预测和概率。
    该成果充分体现了机器学习方法在多个大型多波段巡天项目融合数据中的应用价值，其分类结果为进一步细致分析和研究X射线源具有非常重要的科学应用前景。
  • article-nadc研究人员利用LAMOST数据搜寻并分析激变变星及其光谱特征
    在过去的二三十年，由六百多颗激变变星观测样本得到的统计结果和激变变星模型推论一直存在分歧。例如由观测样本统计的轨道周期中最小周期为76分钟，明显长于模型预测的最小轨道周期为65~70分钟。
  • article-nadc科研人员利用南山26米射电望远镜开展PSR B0950+08测时观测及演化研究获进展
    同时，结合PSR B0950+08的表面热辐射数据，对该源的年龄和演化模型进行了限制，结果显示在没有加热机制下，PSR B0950+08的年龄为(2.87-5.58) Myr；在考虑化学加热时，对应年龄为 ...
    图1 PSR B0950+08自转频率导数的实测数据和模型预测分布。红色星形为实测自转频率导数分布及对应误差，黑色虚线和实线分别对应两个和三个振荡成分的模型预言的自转频率导数分布。
  • article-nadc天文学家在耀斑准周期脉动的研究中取得系列进展
    该研究结果对于理解和预测太阳耀斑，尤其是大耀斑的爆发具有重要意义。
    结果表明该耀斑在硬X射线和射电波段的周期约为24-30秒，而在伽玛射线的周期只有20秒 （图3），这可能是由于伽玛射线与硬X射线辐射的源区不同造成的。
    该研究结果有助于理解耀斑中的粒子加速过程。
    图3：耀斑在不同能量范围的小波分析结果 以上三个工作揭示了准周期脉动在耀斑不同时刻的观测特征，对耀斑的预报以及耀斑中的粒子加速过程有重要意义，同时也是围绕ASO-S卫星探测计划“一磁两暴& ...
  • article-nadc科研人员利用LAMOST和Gaia数据研究太阳邻域的高速星起源
    近日，中国科学院大学天文与空间科学学院杜翠花研究小组和美国RPI的Heidi Jo Newberg等人利用国家天文台LAMOST和Gaia空间天体测量卫星的观测数据，在近邻晕中发现了24颗晚型（温度4000 ...
    研究结果发表于国际知名天文期刊《The Astrophysical Journal Letters》（2018, ApJL, 869L, 31）。
  • article-nadc天文学家用机器学习挖掘LAMOST、SDSS和Gaia数据宝藏
    这是国际上使用最大样本开发的天体分类器和恒星温度回归器，该项研究成果已经被《天文学杂志》(AJ)接收，应用于Gaia DR2的最新结果已经发表在《天文和天体物理学研究》(2018，RAA，18，118) ...
    然而，二十世纪中叶发展起来的机器学习方法，能够有效的探测多维参数空间中隐藏的规律，帮助天文学家进行决策和预测。它的核心思想是教会计算机通过“经验”，而不是判据，对未知数据进行判断。
    首先，科研人员合并LAMOST和SDSS的光谱分类结果；其次，结合可见光和红外巡天数据，获取这些天体的多色数据库；再次，测试不同的机器学习方法，找出效率最高的算法并开发天体分类器，通过不同巡天数据对分类器进行盲测 ...
    •  
我们使用cookies为您提供更好的体验。继续使用本网站，即表示您同意按照我们的Cookie 政策使用cookie。
接受