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 ...
-
-
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。
-
希望 China-VO 在共享天文原始数据的平台之上，进一步实现科学家个人之间共享半成品数据和分析方法，祝 China-VO 的用户越来越多！” ...究其原因，公众超新星搜寻项目对平台用户注册数量及访问人次的增加起到了显著作用。10岁小学生廖家铭通过本平台发现超新星的事件被媒体持续报道，引起社会各界广泛关注，平台注册用户数在短短8天内增加近九千，并创造了单日注册用户增加4993人的历史记录。用户频繁地访问科学数据及望远镜申请观测两大模块 经过对平台4年总体访问次数的统计分析，在四个子模块中，科学数据累计8.812万次，云资源累计8.507万次，望远镜时间申请累计4.137万次，而公众频道仅累计 ...4年内各子模块月访问量统计图 从各子模块月访问量上看，较为集中的线下活动带动了线上公众频道的访问量，但与此同时科学数据模块的访问量也出现了浮动，并在注册用户激增时达到峰值。
-
我们使用ALMA望远镜对红移6类星体的[CII]158微米谱线进行了高分辨率图像观测。这里是处理后的多频道数据文件。
-
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。此星表的共生双星候选体是用机器学习的方法得到的。
-
随着天文数据量的日益增加，利用智能计算开展天文研究是大势所趋。图1 共建协议签约 国家天文科学数据中心为科技部支持的20个国家科学数据中心之一，依托国家天文台建设，负责管理、整编集成天文学科领域的科学数据，制定相关标准规范，建设天文数据资源体系等。该平台能够深度挖掘FAST观测数据，规模化探测快速射电暴等天体辐射现象。据介绍，智能计算天文开放平台包括快速射电暴、分子谱线、天体化学领域数据库，以及相关领域的数据分析及可视化平台。其中，快速射电暴数据库（Blinkverse，意为闪烁的宇宙。）收录了5500余例脉冲数据，拥有35维的高数据维度以及多观测设备的动态谱图，是全球覆盖范围最广的快速射电暴数据库。目前，Blinkverse已面向领域内研究人员开放使用，快速射电暴数据分析及可视化平台也已建设成型，将快速射电暴搜寻效率较传统计算方法提升数十倍。
-
赣榆精细结构望远镜口径为26cm, 在656.3纳米观测太阳色球，能够对太阳活动区快速成像。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。
-
射电望远镜采集脉冲星数据时，人类通信技术(卫星、移动基站或导航雷达)引起的射电频率干扰(RFI)对于多通道脉冲星时频信号的形状有较大破坏性，常规的消干扰方法使得信号在后续天文研究中灵敏度降低，影响分析精度 ...近期，新疆天文台行星科学研究团组副研究员单昊利用2011-2014年南山射电天文望远镜的部分观测数据，使用最大似然类非线性鲁棒估计器，结合快速优化算法，进行了RFI消干扰、脉冲星测时的初步研究。当前的线性方法在RFI建模中困难较大，并且去除的RFI种类有限；阈值方法中的经验因素使方法在使用中操作繁琐；非线性方法当前发展不完善。此项研究在优化框架下提出一种精确区分信号与RFI的通用框架，相对于传统方法主要有以下优势：(1)建立最优化去干扰信号分解模型，可以去除大多数种类RFI(如图 2所示)。(2)较大程度削减经验因素，增加可操作性。(3)利用鲁棒非线性性克服RFI的非高斯性，提高去干扰精度。(4)残差分解后进行信号细节回收，弥补方法灵敏度的损失。
-
，于仙女座方向的M31星系核心附近发现一新星候选体。2米利物浦远程望远镜获取了此新星候选体的光谱。18px;"><span style="font-family:黑体;">我们在世界时2019年12月19.92日和2019年12月20.89日使用2米利物浦望远镜(LT; Steele等人，2004年)上的瞬变源快速采集光谱仪 ...在M31的距离(780千秒差距)处，这一偏移量对应的投影距离为15.7千秒差距。AT 2019wlo是谱线宽阔的FeⅡ型新星(Fe Ⅱb)的成员，AT 2019wvf是FeⅡ型新星的成员。
-
很快，一个星点引起了他的注意，在前几天的底片里这个位置空无一物，他意识到自己发现了一颗位于M31中的新星。随后，张宓又联系了图尔库大学的天文学家StevenWiliams，告知其这一疑似再发新星爆发的发现。他们指出该候选体的光谱与2012年爆发期间相似，均为He/N型新星，暗示M31N 1923-12c的再发周期短至9年，属于再发周期10年之内的快速再发新星。世界时2021年7月4.16日，利物浦望远镜暂现源快速采集光谱仪获取的光谱显示出强烈的巴尔末发射线，半峰全宽为5900±300km/s。 该光谱也显示出He I发射线的初步证据。比银河系再发新星天蝎座U的爆发更为频繁，增加了M31中大量“快速再发新星”（Darnley & Henze，2020，https://ui.adsabs.harvard.edu ...
-
图1 IVOA各工作组最新任命名单 知识发现兴趣组（Knowledge Discovery Interest Group）旨在把VO与KDD（ML、AI）领域联系起来，关注的方面包括可视化、远程数据探索 ...、机器学习技术、统计方法、工作流程编排和多态数据访问等，具体工作包括：定义机器学习相关的新的数据保存和交换模式；为VO服务增加或完善机器学习能力；协调和统一对数据可视化功能的访问；参与有关科学发现工作流程的讨论等 ...图2 国家天文台陶一寒博士（摄影：张超） 陶一寒博士毕业于伦敦大学玛丽女王学院电子工程与计算机科学系，研究方向是交互式信息检索，现为国家天文台天文信息技术（中国虚拟天文台）研究团组成员，主要研究兴趣是机器学习在天文数据挖掘和知识发现中的应用 ...，承担了国家自然科学青年基金《基于深度学习等机器学习算法的星系光谱自动分类方法研究》并参与多个项目。借此契机，中国虚拟天文台和国家天文科学数据中心将在天文数据挖掘和知识发现等方面更广泛地开展国际合作和交流，加强虚拟天文台在数据探索和知识发现方面的能力。 欢迎广大科研人员提供需求和建议。
-
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。
-
近期，《自然》和《自然·天文》同步发表2篇文章，报告了国际天文学家团队使用甚长基线干涉测量（VLBI）方法观测研究大熊座快速射电暴（FRB）的结果。中国科学院新疆天文台南山26米射电望远镜作为欧洲VLBI网成员,全程参加此项目观测，贡献了大量观测时间，助力揭示FRB起源。 此项研究得益于甚长基线干涉测量（VLBI）成图技术。科学家通过国际合作方式，使用横跨亚欧大陆8个国家的12台射电望远镜开展了长期观测，精准定位了快速射电暴的天空位置。FRB是宇宙中不可见的“闪电”，持续时间仅为毫秒量级，然而释放的能量相当于太阳一天的辐射能量，一般产生于几十亿光年之外的星系里。www.nature.com/articles/s41586-021-04354-w www.nature.com/articles/s41550-021-01569-9 图 1 艺术想象图：极其快速 ...
-
中国虚拟天文台在“公众频道”已上线推出了“恒星检索展示平台”。该平台基于DSS数据可视化展示，可在线进行恒星数据检索。这是一扇足不出户、不分昼夜的观星窗口，任何人只要能够通过浏览器上网登录中国虚拟天文台网站公众频道(http://public.china-vo.org/)，就可以看到全天的恒星，甚至是星团、星云和星系。星空璀璨夺目，轻点鼠标，拖动浏览器内的星空界面，可以看到红色线条链接的88星座和黄色线条围起来的星座区域。使用滚轮放大缩小，可以观看某一星空区域更加细致美丽的场景。 让我们以英仙座为例。英仙座是著名的北天星座之一，每年秋天的夜晚在北天的银河能够较为容易地找到它，位于仙后座、仙女座的东面，有很多耀眼的亮星。这团模糊的云雾就是NGC1499，加州星云，大而弱的发射星云，距离我们大约1500光年，而这团膨胀的氢气正是被下面的英仙座ζ所照亮（箭头为编者所加）。是不是有些不可思议？ ...
-
LAMOST DR5 A型恒星参数星表 第一版发布了LAMOST先导巡天和正式巡天前五年获得的440173个A型星的光谱和相关参数。与DR1相比，此星表增加了更多的谱指数信息。
-
LAMOST DR4 A型恒星参数星表 第二版发布了LAMOST先导巡天和正式巡天前四年获得的364011个A型星的光谱和相关参数。与DR1相比，此星表增加了更多的谱指数信息。
-
LAMOST DR4 A型恒星参数星表 第一版发布了LAMOST先导巡天和正式巡天前四年获得的365119个A型星的光谱和相关参数。与DR1相比，此星表增加了更多的谱指数信息。
-
我们应用迁移学习方法和XGBoost算法对Pan-STARRS1 (PS1) 和AllWISE测光星表进行银道面背景类星体选源，并使用Gaia自行判据排除恒星污染源，最终得到位于 |b|≤20∘内、包含 ...160946个源的银道面背景类星体候选体星表。使用XGBoost回归算法计算的候选体测光红移范围为(0, 5]。本星表中包含了候选体的PS1和AllWISE星等、测光红移、分类概率，以及Gaia自行信息。