• article-nadc科研人员利用LAMOST数据在双星星族性质研究方面取得新进展
    双星星族中双星比例、质量比分布和周期分布等统计性质对进一步理解和研究双星演化、双星相关天体的形成、恒星及银河系的形成演化具有重要作用。
    但一直以来人们对双星星族的统计性质知之甚少，海量LAMOST中分辨率巡天光谱数据为研究双星星族的统计性质提供了可能性，尤其是对双星的质量比分布和双星比例的研究具有绝佳优势。
    基于该方法，研究团队得到了A型、F型和G型恒星的双星星族质量比分布（图3）与密近双星比例。
    图3 以太阳为中心，不同距离范围内的双星的质量比密度。在上图中，我们展示了我们样本中A、F和G型双星（黑色方块、蓝色圆圈和红色三角形）的质量比分布。
    该系列工作得到了国家自然科学基金重点项目等的资助。 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。
  • metadata共生星候选体
    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。
  • metadata基于快速模拟生成的红移范围为(0.45的SDSS DR12星系的模拟星表
    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 ...
  • article-nadc国台-阿里云“天文数据挖掘”天池大赛落下帷幕
    “天文数据挖掘”天池大赛于2月6日正式开启，希望让大众参与到天文科学探索中，用人工智能的技术和方法分析望远镜收集的真实天文数据。
    本次大赛以郭守敬望远镜（LAMOST）巡天光谱分类为课题，向选手们征集高效高准确率的自动化算法来解决这个天文研究中的实际问题。 尽管初赛的时间跨越了春节，选手们的参赛热情丝毫不减。
    经过激烈的角逐，最终确定初赛成绩前40支队伍中的前5名进入决赛，参加了在国家天文台举行的决赛答辩会。
    在复赛成绩的基础上，评委会根据5个优胜团队现场展示和问答的情况确定了本次大赛的最终结果：刘洋、李凯东、李孟禹组成的“天文爱好者联盟”队荣获一等奖；王奇勋、周书锋、李政组成的“银河护卫队”荣获二等奖；张杰 ...
    、汪嵘、张卓然组成的“龙樱”队荣获三等奖；马智恒、杨科山、张弛组成的“禾思众成”队和东科、史红欣组成的“专业打酱油队”获得极客奖。
  • article-nadc研究人员利用LAMOST和Gaia数据在太阳邻近新发现两个年轻星协
    近日，国家天文台刘佳明博士、刘超研究员与美国亚利桑那大学天文学系房敏博士等合作利用LAMOST DR5低分辨率光谱数据和Gaia DR2 的天体测量数据，在太阳系邻近发现了两个未被证认过的年轻星协， ...
    而太阳近邻星协由于距离我们较近，有利于低质量暗星的探测，因此对于研究星协低质量端的初始质量函数、褐矮星以及行星系统的形成与演化具有极其重要的作用。
    由于成团恒星在演化过程中会受到银河系引力和潮汐作用而逐渐瓦解，这一现象极大地限制了星协的探测和证认。过去多年的研究也仅发现了极少数的（约一打）太阳近邻星协。
    刘佳明等人新证认的这两个星协是对近邻星协样本的扩充，也将为星协性质的研究提供有力支持。
    图1：两个新证认星协的位置、距离和自行分布 国家天文科学数据中心为LAMOST、Gaia的科学数据提供归档、管理及发布等全方位的数据服务。
  • article-nadc360度x180度全景图你了解多少？
    图1：万维望远镜中新加入的新昌风光全景图 一般来说，画面越大带给人的沉浸感就越强，通过逼真的细节展示，为我们呈现出更加震撼的视觉冲击力。
    巨幕、弧幕、环幕、球幕，随着画面在人可视范围中占比的提高，观众的沉浸感也越来越强。传统意义上的全景图往往指的是首尾相接形成的360度图像。当我们被全景画面360度包围时，会产生非常强烈的临场感。
    由于这种图像显示方式对画面生成及显示有极高的要求，现在，360度×180度的全景画幅只应用在了极少数的科技娱乐场馆当中。
    虚拟现实（VR）眼镜把人的视野限定在镜框内，一个人在封闭的空间中，体验的是另外一种意义的沉浸感。这和球幕等环境这种可群体体验的沉浸感完全不同。
    不同的展示方式带来不同的观看体验，而这些都可以借助万维望远镜的平台实现。
  • metadata1999-2015年太阳塔二维光谱观测数据
    通过扫描技术，太阳塔可以同时记录Ha/CaII 8542埃和He I 10830埃线的二维光谱数据。典型的观测，扫描50步，每一步对应空间约为2角秒。
    本项目数据处理过程中对数据信息进行了完善和规范化，保存成国际通用的fits格式。
  • article-nadc天文学家构建深度学习模型估计LAMOST中分辨光谱的恒星参数和元素丰度
    恒星基本参数和化学元素丰度是恒星光谱包含的重要信息，是研究银河系化学演化的重要基础。
    作为目前世界上光谱获取率最高的光学望远镜，LAMOST二期中分辨巡天极大地扩展了国际上中等分辨率恒星光谱库的数量，为天文学家研究银河系及一般星系的形成与演化提供了强有力的基础性数据。
    通过和国际上其它巡天（APOGEE、RAVE、GALAH）及之前的文献数据集进行对比分析，发现同源样本的SPCANet结果和参考集的结果具有很好的一致性。
    图1：LAMOST观测的同一个源多次曝光的中分辨率光谱（蓝端），袁海龙绘制。 图2：LAMOST观测的同一个源多次曝光的中分辨率光谱（红端），袁海龙绘制。
    图2：LAMOST中分辨率光谱巡天第一年天区覆盖图 国家天文科学数据中心为天文观测设备与研究计划提供数据与技术服务。
  • article-nadc云南天文台对LAMOST早型星双星统计性质取得新进展
    该工作利用LAMOST DR8中分辨率数据，研究了886颗观测次数大于6次的早型星的双星比例、质量比分布和周期分布，给出了早型星双星比例与有效温度、金属丰度和投影自转速度之间的关系，为研究早型星的形成及演化 ...
    大质量双星的统计性质对于追踪大质量恒星的形成和限制双星星族性质至关重要，一直是天文学的重点研究课题。
    目前，大部分早型星观测样本来自于不同的观测，缺乏一致性观测样本，导致了早型星双星统计性质的研究结果存在较大偏差。
    研究发现这批样本早型星内禀双星比例随温度降低而降低，随着金属丰度的降低而降低：大质量O/B型星的双星比例可以达到76%，而质量相对较小的B/A型星的双星比例约为48%；金属丰度类太阳([M/H]> ...
    该成果可以作为双星星族合成的输入参数，进而理解致密双星的形成及演化。 该研究成果受到国家自然科学基金等项目的资助。 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广州大学联合团队仿真研究基线依赖平均对SKA低频阵数据处理影响
    SKA是目前正在建造的世界最大的射电天文干涉阵列望远镜，其产生的巨大数据量对数据的存储、传输以及后续处理提出了挑战。
    广州大学国家天文科学数据中心大湾区分中心（邓清文、王锋、邓辉、梅盈、黎静）、南非罗德斯大学SKA团队（Oleg Smirnov）、中国科学院上海天文台团队（郭绍光）基于基线依赖平均（Baseline Dependent ...
    本研究在射电天文仿真、校准和成像库（RASCIL）的基础上实现了一个新的BDA模块。
    图1: BDA模块的性能测试 论文利用全尺寸的SKA1-LOW阵列对不同的目标图像进行模拟仿真观测，研究给出了不同BDA参数设置下的压缩比和成像误差，为将来SKA科学数据产品的使用有较好的参考价值。
    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天文观测数据的归档与发布技术培训举行
    来自国家天文台总部（16个不同团组）、新疆天文台、天津大学、云南天文台的共60多名学员参加了此次培训。 随着国内近年来科学观测设备的发展，国产天文数据的增长速度越来越快。
    对科研人员来说，高效的科研数据管理也越来越复杂。为了促进科研人员对数据的使用效率，国家天文台信息与计算中心在台职工培训资助计划的支持下，举办了此次天文科学数据归档与发布培训。
    培训由中科院网络中心、国家天文台信息与计算中心的老师担任讲师。中科院网络中心的老师介绍了中国科学院科学数据库、云存储的情况。台信息中心的老师讲授了虚拟天文台的技术架构和技术标准。
    通过培训，学员们初步掌握了天文数据、Python以及PostgreSQL的操作，为日后在天文观测数据的归档与发布中使用这类操作奠定了基础。
    学员们认为通过这次技术讲解与实践相结合的培训，熟悉了天文数据的归档流程，天文数据库使用方法，很有助于今后工作中天文数据使用效率的提高。
  • article-nadc广州大学团队基于时域测光数据发布LAMOST变源星表
    近期，广州大学国家天文科学数据中心大湾区分中心和中国科学院国家天文台团队许婷婷、刘超、王锋、黄伟荣、邓辉、梅盈和曹忠等人，开展了LAMOST恒星变源候选体的识别与分析研究。
    基于高质量样本集的光变曲线，对不同的光变参数进行统计建模，并将得到的最优模型应用到LAMOST变源的识别中，发表了包含631769个样本的LAMOST变源数据。
    ZTF得益于大视场和微弱的极限星等，作为新一代时域巡天项目之一发布了数以亿计的光变曲线数据，为恒星变源的研究提供了新的机会。
    本研究利用了ZTF的时域测光结果建立统计模型识别变源，应用所得的最优模型识别得到了631769个概率大于95%的变源候选体，它们的颜色星等图如下（横轴是变源候选体的颜色，纵横为绝对星等）。
    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。
  • metadata基于快速模拟生成的红移范围为(0.45的SDSS DR12星系的模拟星表
    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。
  • article-nadc广州大学NADC大湾区分中心与国家天文台团队利用深度迁移学习方法搜寻LAMOST中的白矮星
    近期，广州大学国家天文科学数据中心大湾区分中心和中国科学院国家天文台团队的谈磊、王锋、梅盈、邓辉、柳志存和刘超等人，开展了基于深度迁移学习方法的白矮星的搜寻研究。
    本研究基于LAMOST发布的光谱数据，通过迁移学习方法构建分类模型用于搜寻LAMOST中的白矮星，并得到了6317个候选体，通过交叉和人工证认，有4968颗被证明是白矮星，其中489颗是新发现的。
    国家大科学装置LAMOST运行至今，从低分辨率到中分辨率巡天已经积累了千万级的恒星光谱数据，为白矮星的搜寻提供了充足的数据源。 本研究提出了一种基于迁移学习的白矮星识别方法。
    该模型在测试集上的准确率为96.08%，本研究利用训练得到的模型在LAMOST DR9中成功找到了489个新的白矮星，其中包括377个DA、1个DB、4个DZ、1个磁WD、101个DA+M双星和1个 DB ...
    本研究还得到了PCL重点项目的支持。
  • article-nadc2023年天文学arXiv论文趋势分析
    排名第十位以后的国家也一起贡献了与美国相当的论文数，这可以在一定程度上反映天文学科的国际发展水平。不过还有约7%的论文无法有效地确定国别，主要原因是tex源文件的通讯地址写法多种多样。
    作者邮箱也不固定，有8.6%的通讯作者留的是gmail邮箱。
    图2 第一作者的国家分布 如果按照第一通讯作者的邮箱地址来统计单位，除去gmail这样的商业邮箱之后，排在第一位的是意大利国家天体物理研究所(INAF)，有260篇论文作者使用inaf.it的邮箱。
    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。
    图7：代表性软件技术相关论文 透过这些数据，我们可以清楚地看到新的设备和技术总是能够带来新的发现。2023年的总结分析就是这些，祝大家在新的一年里取得新的成果和突破。
  • article-nadc2020年Python in Astronomy技术培训来啦！
    为了使科研人员更好地在日常科研工作中更好地运用Python语言及数据技术知识，国家天文科学数据中心在每年一度的《年度职工培训计划安排》的支持下，自2016年起已连续举办了四届 “天文数据与Python ...
    技术培训”。
    今年的技术培训还新增了线上模式，全部培训将通过“央视频（国天星语）”和B站（bilibili）-国家天文台进行在线的直播，感兴趣的同事和同学可以通过扫描二维码在线收看。
    图1：b站直播入口 培训讲师简介： 1.何勃亮，国家天文台天文信息技术研究团组（国家天文科学数据中心）高级工程师，主要研究领域为天文科学数据管理和科学大数据，Python技术培训负责人。
    主要研究领域为星际介质和恒星形成区的毫米波射电观测和数据处理。 5.陶一寒，国家天文台天文信息技术研究团组（国家天文科学数据中心）助理研究员，获伦敦大学计算机科学博士学位。
  • article-nadc广州大学与云南天文台团队在日冕物质抛射的纬度分布领域获进展
    近期，广州大学国家天文科学数据中心大湾区分中心和中国科学院云南天文台团队林家琪、王锋、邓林华、邓辉、梅盈和谢扬帆等人，开展了日冕物质抛射在高低纬度上时空行为的研究。
    日冕物质抛射（CMEs）是太阳上大尺度的等离子体和磁场的爆发，是灾害性空间天气的主要源头，引起了许多中度到强烈的地磁暴。
    通过利用太阳日球天文台（SOHO）上的大视角分光日冕仪（LASCO）的观测数据，太阳物理学家发现高纬度和低纬度CMEs的演化特征存在明显的差异。
    研究发现，CMEs、F10.7和CBI之间的相关程度在第24周比第23周的要高。当从CDAW目录的样本中除去非常微弱的CMEs时，相关系数的数值会变大。
    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广州大学NADC大湾区分中心团队 基于卷积神经网络提出新的射频干扰识别方法
    近期，广州大学国家天文科学数据中心大湾区分中心、南非罗德斯大学SKA团队、中国科学院云南天文台团队和昆明理工大学的孙浩民、邓辉、王锋、梅盈、许婷婷、Oleg Smirnov、邓林华和卫守林等人，开展了基于深度学习方法的射频干扰识别研究 ...
    以平方公里阵列（SKA）为例的新一代射电干涉阵列的迅速发展为天文学研究提供了前所未有的机会。
    然而来自通信技术以及其他人类活动所产生的射频干扰（RFI）严重影响了射电天文观测数据质量的同时也大大降低了望远镜的灵敏度。因此在射电数据处理中，对观测数据中的RFI进行识别标记是一项重要的工作。
    本研究提出了一种鲁棒的基于卷积神经网络(CNN)的RFI识别方法。
    来对其余三个受到不同强度、形态干扰的数据集进行测试，测试结果表面：本文提出的模型对SKA1-LOW的仿真数据中RFI的识别效果良好，ROC曲线下的面积(AUC)达到了0.93。
  • article-nadc广州大学NADC大湾区分中心与合作团队利用深度学习方法搜寻热亚矮星
    近期，广州大学国家天文科学数据中心大湾区分中心、中国科学院国家天文台团队和西华师范大学团队、中国科学院云南天文台的谈磊、梅盈、王锋、邓辉、柳志存、罗杨平、刘超和邓林华等人，开展了基于深度学习方法的热亚矮星的搜寻研究 ...
    本研究基于LAMOST发布的光谱数据，通过构建深度学习模型，并将得到的模型应用到LAMOST中热亚矮星的识别和筛选中，得到了2393个候选体，通过交叉和人工证认，有2092颗被证明是热亚矮星，其中25颗是新发现的 ...
    但由于LAMOST没有测光观测，传统的颜色切割方法无法运用于热亚矮星的搜寻中，并且由于数据量庞大，人工证认会耗费大量的时间和精力。
    图1 网络结构 总的来说，本研究提出的模型可以有效地识别特定的光谱，结果鲁棒，精度高，可以进一步应用于大规模光谱的分类和特定目标的搜索。
    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-nadcPython in Astronomy 2020 技术培训成功举办
    2020年12月7日至9日，由国家天文台“年度职工培训计划”支持，国家天文科学数据中心承办的Python in Astronomy 2020技术培训在线上线下同时举行。
    来自国家天文台和国内其他天文研究单位的相关科研人员，以及对Python如何在天文学中应用感兴趣的公众及爱好者们参加了本次培训。 图1：本次直播数据详情。
    Python以及衍生的一系列数据处理分析软件包已经成为天文学家日常工作不可或缺的工具，为了使科研人员更好地在日常科研工作中更好地运用Python语言及数据技术知识，国家天文科学数据中心对本次课程进行了精心的编排设计 ...
    Python开展科学研究的实战案例。
    培训的课件及资料可以扫描下方二维码获取。
    •  
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