宽线区动力学建模软件,用于分析活动星系核的宽线区反向映射数据,测量中心超大质量黑洞的质量以及宽线区的结构和动力学。软件由C语言编写,支持MPI并行库,可在超算集群上运行。
-
-
近年来,随着国内外诸多大型天文观测设备的建设运行,天文研究进入到大数据时代。以云计算、机器学习为代表的新技术在大数据领域得到了广泛的应用,促进了一大批科研成果的产出。为了应对天文大数据的挑战,国家天文科学数据中心开始了基于云计算与机器学习技术的科学平台建设,初步建立了包括高性能计算与混合云技术架构的云资源平台。图4:甄亚楠老师介绍超算云在科研中的应用 大数据的分析与挖掘离不开自动化的手段,人工智能与机器学习在天文科研领域发挥了重要的作用。来自阿里云计算有限公司资深技术专家、机器学习PAI的平台架构师与负责人谭锋老师讲解了基于PAI开展机器学习任务原则及步骤。培训期间,学员们针对工作中遇到的实际问题与专家们进行了深入探讨,大家普遍反馈培训内容对工作很有帮助,让他们收获颇丰、受益非浅。
-
图1 年会合影 会议背景及主题 本次年会的主题是“天文大模型需求和期待”,旨在以天文大科学工程及其所产生的数据为基础,深入研讨国内外天文大模型及相关下游任务的最新研究进展 ...他表示,随着技术的发展,大型深度学习模型,借助海量数据和强大的计算资源,正在逐渐成为天文学研究的重要工具。共同构建天文大模型和相关应用,将推动天文研究新时代的开启。主题报告内容涵盖了大模型在科研领域的应用、人工智能时代的天文数据处理和分析新技术与新方法,以及机器学习和人工智能技术在天文研究中的科学应用案例,还包括大数据时代天文科普教育的新发展与面临的新挑战等前沿领域 ...图3 会议报告精彩瞬间 与会代表们普遍认为,人工智能技术对于高效解决天文学中海量数据处理等问题具有重要意义,同时,在算力服务的支持下,天文领域大模型的发展将引领科学研究的新范式。他们认为,未来理想化的天文大模型需要依托数据、算力、技术等多方面的支持,在功能上可以深入理解数据、挖掘规律,以发现新的信息,真正成为科研成果产出的利器。
-
此日食计算器能够查询公元前3000至后3000年范围内的日食信息,生成每次日食的覆盖区、中心区范围数据,展示日食带的地图;并可根据用户在地图上点击的坐标在线计算该地日食各阶段时间、食分等观测信息。
-
采用一种称为21厘米强度映射的技术,天文学家可以快速观测到大片天区,并用来进行宇宙学和天体物理研究。目前全世界有一大批的相关实验正在或者准备使用这一技术进行宇宙学观测。中国科学院国家天文台在新疆哈密地区巴里坤县大红柳峡乡开展的“天籁”实验项目是其中之一。图一:“天籁”计划实验阵列数据处理流程示意图 为了满足“天籁”计划实验阵列复杂和困难的数据分析和处理任务,该软件采用了一个由任务管理器、任务、数据容器三者组成并相互作用的程序执行框架 ...简要来说,任务一般是一个相对独立的数据处理步骤,数据容器包含观测数据及相应的辅助描述信息,任务管理器控制和管理一系列数据处理任务的执行,它会在任务执行前将所需的数据容器传递给该任务,并在任务执行完成后接收其输出的数据容器 ...2012AA121701, 政府间国际科技创新合作重点专项2016YFE0100300, 2018YFE0120800, 国家自然科学基金委重点项目11633004,天文联合基金U1631118, 广东联合基金(超算) ...
-
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。
-
图1:工作人员正在进行底片扫描工作 本次数据释放包含了6615张质量较高的天文数字底片,观测目标主要为太阳系外天体,解算后天体测量精度达0.2″。本次数据上线得到国家天文科学数据中心的大力支持。
-
这是大气湍流相位屏数字孪生模型的示例代码,该代码权重及相位屏尺度被锁死,最大可生成128*128像素500副相位屏,可以为各类算法测试提供参考。
-
这是大气湍流相位屏数字孪生模型的示例代码,该代码权重及相位屏尺度被锁死,最大可生成128*128像素500副相位屏,可以为各类算法测试提供参考。
-
南山1米大视场光学望远镜于2013年建成,2014-2015年完成了探测器的升级改造和试观测等工作,2016年开放运行并进行科学观测,其具有消旋改正的主焦点、地平式的主要特征。
-
先说一下发现超新星的原理: 超新星是银河系之外的星系中某个大质量恒星死亡时发生的大规模爆发,在我们看来就是某个星系中突然多了一个星点。既然这个工作人人都可参与,为何不让大家像游戏一样都玩玩呢,天文如果玩起来一定会很开心的,如此,PSP平台应运而生。可以这么说,PSP系统其实就是一个网上看图平台。,不用担心自己的判断是否准确,如果觉得可疑,尽可大胆点击“这是可疑目标!我们强烈建议您对可疑目标做指示(如果无法完成上述标记功能,大多是因为浏览器的问题,您可以换一个浏览器尝试,尤其是手机用户,请不要使用UC浏览器)。在页面中的“我的记录”中是关于您搜索情况的统计,我们希望这个统计的最后一项的百分比越大越好,但是希望倒数第二项百分比越小越好。
-
此星表的共生双星候选体是用机器学习的方法得到的。
-
因为保密等原因,不能提供更多获得数据的仪器等方面的描述,数据更新时间为不定时更新,此数据为DUT1=UT1-UTC 值的公告,以+/-0.1s 精度的时间信号传输。
-
我们使用机器学习技术有效的识别了新的共生星。这是一个新发现的共生星候选体星表。我们提供了相应的赤经赤纬和相关的星等信息。
-
2023年传到论文预印本网站arXiv上的天文学论文总数第一次超过了此前最高的2020年(共有17283篇,其中以天文为主分类的有14834篇),创下新高,达到17932篇(若只算首个分类为天文的论文, ...其中增长最大的分支是高能天体物理(HE),比前2022年足足多了520篇。其次是中国科学院国家天文台(120篇),美国加州理工(99篇),剑桥大学(92篇),紫金山天文台(91篇),美国亚利桑那大学(91篇),牛津大学物理系(90篇),北京大学(88篇),哈佛史密松天体物理中心 ...(88篇),以及南京大学(86篇)。在软件技术方面,近年火热的卷积神经网络(CNN)、机器学习(ML)均已占有一席之地,不过距离MCMC这样的通用算法还有一定差距。
-
2023年5月17日下午,由国家天文台-阿里云天文大数据联合研究中心主办的“天文领域大模型专题研讨会”在国家天文台成功召开。阿里云数字政府智算及大模型专家张萌做“天文专有领域大模型的探索与思考”的主题报告。他分享了阿里大模型的发展历史和通义大模型家族的架构,以及开发天文专有领域大模型的方式和流程。 国家天文科学数据中心技术研发部数据资源组负责人陶一寒对中心现有数据资源进行了全面介绍。大家针对会议前期向参会代表征集的天文领域大模型应用场景和需求提案进行了讨论。国家天文台-阿里云天文大数据联合研究中心后续将基于本次研讨会提炼的需求进一步推进天文领域专有大模型研发工作。
-
、广域红外巡天探测器(WISE)数据及SDSS可见光测光数据,通过交叉证认方法获取了具有不同波段信息的多个已知样本。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。近年来随着观测仪器和观测技术的大幅提升,天文数据的搜集能力大大加强,天文学步入大数据时代。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。
-
因为保密等原因,不能提供更多获得数据的仪器等方面的描述,数据更新时间为不定时更新,此数据为地球自转B公报主要提供了有关地球方向的最新信息,包括世界时间,地球极坐标和天极偏移等数据。
-
此数据集曾用于天体光谱智能分类天池大赛。
-
因为保密等原因,不能提供更多获得数据的仪器等方面的描述,数据更新时间为不定时更新,此数据为地球自转C公报主要是提供UTC的闰秒信息,以及协调世界时UTC与国际原子时TAI的相对差值等数据。