原子钟权重的大小是国际原子时归算时的参数和衡量原子钟长期性能水平的标志。根据原子钟的性能确定其权重,可以充分发挥性能优秀的原子钟优势。
-
-
使用2021年3月至2022年9月水切伦科夫探测器阵列(WCDA)收集的508天数据和2020年1月至2022年9月平方公里阵列(KM2A)记录的933天数据,我们展示了高海拔宇宙线观测站(LHAASO ...)探测到的第一个甚高能和超高能γ射线源目录。该目录代表了赤纬−20◦ 至80◦天空覆盖范围内,对最敏感的E>1TeV伽马射线测量。目录总共包含90个扩展大小小于2◦的源 ,每个源的显著性要求>5σ。对于每个源,我们提供其位置、扩展和光谱特性。此外,基于我们的源关联标准,本研究提出了32个新的TeV源。此外,本目录包含43个超高能γ射线源,E>100 TeV辐射的显著性水平>4σ。
-
怀柔太阳磁场望远镜观测数据,太阳磁场望远镜位于怀柔太阳观测站,能获得FeI 5324Å波段的光球矢量磁场和视向速度场数据,还可获得Hβ 4861Å波段的色球视向磁场和视向速度场数据。此数据为1987年至今的观测数据。
-
这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码,代码已经应用于一个商用卫星的数据处理任务中,并且展示了比较好的结果。
-
这里公布的是太原理工大学智能光学实验室研究的CMOS暗电流建模和坏像素识别方法所对应的样例代码,代码已经应用于一个商用卫星的数据处理任务中,并且展示了比较好的结果。
-
主要用来研究太阳耀斑的触发和释能、暗条爆发以及色球冲浪喷射等精细过程。数据观测记录从2008年开始至2021年6月,共观测到C级以上的耀斑24个,包含大耀斑(M级以上)12个。
-
望远镜的性能监测指的是在望远镜观测过程中对望远镜的光学性能和指向跟踪性能的表现进行评价。望远镜的性能监测系统一旦发现望远镜性能不佳,能将望远镜性能不佳的原因快速反馈给维护人员,从而提高望远镜的维护效率和获得优良的观测数据质量。该方法基于望远镜终端仪器获得的星像形状与望远镜性能之间的深刻复杂的对应关系和最新前沿机器学习的相关算法,可以充分利用望远镜获得的星像进行训练和测试,实现了望远镜光学成像性能的高精度实时监测,并在我国首个天文类国家重大科技基础设施 ...不同原因引起的望远镜性能不佳产生不同的像斑形状,因此可以通过终端仪器获得的像斑形状去实时监测望远镜性能。图4 在LAMOST望远镜上进行性能检测,实现了焦面离焦、导星系统、拼接镜面子镜偏移、主动光学性能的实时监测,准确率为96.7%。
-
在国家重点研发计划《宇宙学高性能异构模拟系统》(2017YFB0203301)支持下,完成并使用异构模拟系统软件PhotoNs,针对暗能量巡天项目,在国家超级计算昆山中心的国产平台上,使用1024核心和加速设备 ...基于模拟结果,使用暗晕占据数的模型,产生出本类银河系光度星系(L*星系)模拟星表。
-
该数据是我们在论文《用COLA快速生成模拟星系表》中提到的SDSS DR12星系的模拟星表,产生快速模拟星表的技术是基于以下几个:Code for Anisotropies in the Microwave ...
-
这是我们论文“用COLA快速生成模拟星系目录”的支持数据,包括模拟目录和merger-tree输出的晕文件。
-
现场邀请到了来自中国科学院国家天文台、高能物理研究所、中国科学院科学传播局、中国科学技术馆和北京天文馆等单位的嘉宾,社会各界的天文爱好者以及首都科学讲堂的听众们。作为国家天文台宇宙暗物质与暗能量研究团组的首席科学家,陈老师通过简明生动的语言回顾了人类对宇宙研究的历程和最新成果,介绍了暗物质和暗能量的有趣之处以及它们在宇宙演化中发挥的重大作用,展望了我国研究探测暗物质的广阔前景 ...随后北京人民广播电台的主持人与来自中科院科学传播局、高能物理研究所、国家天文台等单位的嘉宾一起畅谈了本片中文版诞生记。观影后与会嘉宾结合影片内容和我国宏大的基础科学研究计划等热点问题展开了讨论。现场效果 该片中文版由中国科学院科学传播局、国家天文台、高能物理研究所、中国科学技术馆、北京天文馆友情推荐,中国虚拟天文台推广发行,中国自然科学博物馆协会科普场馆特效影院专业委员会协助推广 ...影片中文版海报 据悉,为了让广大观众能尽早欣赏到影片《宇宙魅影:搜寻暗物质》,中国科技馆7月1日起将正式公映本片,具体场次可登陆中国科技馆官网查询。
-
这是“Fast generation of mock galaxy catalogue with COLA”一文中所用到的数据集,包括BOSS CMASS NGC星系的模拟星表和暗物质粒子模拟直接输出的暗物质晕表 ...
-
你是否思考过, PSP项目数据与AI相遇能擦出怎样的火花? 快加入“2019未来杯高校AI挑战赛”, 让你的模型发现下一颗超新星! ...“图像——发现超新星”赛道介绍 随着人工智能的不断进步,它正逐渐在宇宙探索的工作中发挥重要作用。基于这一趋势,“如何运用AI图像技术助力超新星搜索”成为了本次大赛的重要议题。1.报名及了解相关信息请参照大赛官网: https://ai.futurelab.tv(点击“阅读原文”亦可直达) 2.比赛时间:2019年3月8日到6月中旬 3.关于大赛评委会 ...大赛组委会也希望通过更广泛的高校合作,推动人工智能这一国家战略在高校端的产学合作及协同育人。 ...4.关于其他赛道: 本届大赛语音赛道围绕当下备受关注的智能家居、语音助手等应用场景设计赛题,开展说话人识别相关领域的比赛。 ...
-
近些年来,尤其去年以来,随着ChatGPT等人工智能技术的发展,人工智能第一语言Python也水涨船高,在各个领域获得了长足发展。而且Python语言自身的发展也在加速,不管是从算法还是语言性能,与前些年相比都有了较大的进步。在天文领域,Python及衍生的一系列数据处理分析软件包已经获得广泛使用,在天文数据处理和分析、数据管理、天文数据绘图、高性能计算、机器学习和深度学习、望远镜管理等诸多领域,都有广泛的使用和不俗的性能。关于本次培训的更多详情,可至官网查看:https://nadc.china-vo.org/events/PIA2023a/ 本次培训的课件和视频将在培训结束后在相关网站发布。登录培训官网报名,报名截止时间:2023年6月2日 17:00(或者报完截止)。
-
盖亚卫星是在欧洲航天局伊巴谷卫星工作的基础上,希望解决现代天文学中最困难、最基本的一个问题:创建一个包括整个银河系和其它区域的大约10亿颗恒星的非常精确的三维地图。盖亚的大规模恒星普查为此提供了基本的观测数据,帮助天文学家理解银河系的起源、结构和演化历史等重要问题。盖亚卫星提供了一个在观测范围、准确性和完整性方面都前所未有的数据库。盖亚卫星于2013年底发射,本次数据释放是盖亚的第二次数据释放,是盖亚卫星于2014年7月25日至2016年5月23日期间(22个月)的观测数据,相对于第一次数据释放在完备度、性能、丰富度方面有明显的提升 ...本次数据释放包含天测、测光、视向速度、天体物理参数和变化信息,此外还包括一部分太阳系内小行星的多次天测和测光信息。
-
转眼又到岁末, 回望去年年初的计划, 您实现了几个“小目标”呢? ...当我们开启时光之门, 回望2019时才发现, 不知不觉中我们又度过了充实而忙碌的一年。 在新春佳节来临之际, 我们将一年的工作进行了细致盘点。以国家天文科学数据中心的工作为主线, 为您奉上 NADC数据资源建设 数据与计算服务 学术交流与合作 数据驱动的天文科普教育 四张成绩单。 ...我们用数据记录一年的努力, 我们通过努力为天文数据赋能。
-
11月27至28日,由国家天文台职工培训资助计划支持的“高性能并行计算开发基础培训”在国家天文台A601会议室举行,来自国家天文台各个课题组的近60名学员参加了本课程的学习。针对天文数据处理的具体需求,国台信息与计算中心对本次培训的内容进行了精心的设计与安排,内容包括:高性能计算基础、并行计算基础及并行计算的实现方式、我台高性能计算资源的使用、中国虚拟天文台的资源与服务等。于策副教授讲授高性能并行计算等基础知识 本次培训其余内容由信息中心具有多年服务器使用及管理经验的李长华副主任组织并讲解,内容丰富详实。通过两天的培训,学员们普通反馈收获颇丰,对自己的工作很有帮助。2017年,我台新采购的超级计算平台成功上线,系统包括了60个高性能计算节点及8个众核计算节点,合计计算核心为2180个。希望通过此次培训,能够促进高性能并行计算技术在天文计算中的应用,充分发挥我台高性能计算平台以及战略合作伙伴阿里云的效能。 培训现场照片 ...
-
图1:已集成了LAMOST光谱数据的ESASky中文版 ESASky是一个可以对全天进行全面探索的数据可视化网站。基于互联网应用,用户可以随意放大他们感兴趣的任何天体。这个系统可查看从50多个空间探测任务和地基观测装置收集的覆盖整个电磁波段的海量天文数据,包含自1978年来收集的50多万幅图像和近950万条光谱和星表数据。"ESASky之所以能如此顺畅地发展,是因为IVOA联盟成员都在使用相同的数据标准。我们可以与其他数据中心互联互通并访问他们的数据。"Baines说。” ESASky中文版网址: https://sky.esa.int/? ...lang=zh 相关报道 图3:欧洲空间局官网的报道 图4:ESDC发推特宣布这一消息 图5:中国科学院英文官网的报道 图6:美国科学促进会EurekAlert网站的报道 ...
-
这个文件包含本文使用的43个GWAC光变曲线和4个耀发动画。也包含TESS和K2中的耀发和周期数据。
-
磁场是太阳物理的第一观测量,是引起太阳耀斑和日冕物质抛射这两类太阳风暴的源泉。目前,太阳光球磁场的测量主要借助于塞曼效应获得偏振光谱信号,然后通过磁场反演(或者定标)将偏振信号转成磁场分量。磁场反演(定标)是太阳磁场测量的关键技术,将直接影响磁场的精度。但线性定标的一个明显的缺点是在强磁场区域存在磁饱和效应,而采取人工智能(机器学习)的方法进行非线性定标将非常有可能解决这一问题。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 ...这个工作不但为我国ASO-S/FMG和未来其它新一代太阳观测设备的磁场数据处理提供了非线性定标的技术方案,也是人工智能方法在天文数据处理中的一个典型应用。