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。
-
-
此星表的共生双星候选体是用机器学习的方法得到的。
-
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。
-
此数据集包含经过加工处理的583851条LAMOST DR3光谱。数据集包括训练集和测试集，均包含索引文件（index.csv）和光谱文件（.txt）两部分：索引文件的第一行是字段名，之后每一行代表一条天体光谱。训练集和测试集第一个字段均为光谱文件id号，训练集还包括一个分类标签字段。train_data.zip和test_data.zip中是以txt格式存储的经过插值采样光谱，所有光谱波长区间和采样点相同，波长范围是3800-9000Å采样点个数都是2600个。此数据集曾用于天体光谱智能分类天池大赛。
-
本代码可作为启发，应用于不同类别的星载相机数据处理任务中。
-
本代码可作为启发，应用于不同类别的星载相机数据处理任务中。
-
来自世界各地300多位天文中最懂计算机的人和计算机中最喜欢天文的人聚集在荷兰北部的格罗宁根（Groningen）。ADASS每年选择一个不同的地点举行，为从事天文数据获取、处理、分析、开放共享进行算法研究和软件系统设计开发的天文学家、计算机科学家、软件工程师、项目管理人员、学生等提供了交流切磋的平台。 ...多波段天文学 ※ 数据开放共享 ※ 数据科学的挑战（工具从数理统计到机器学习的演变 ...
-
本数据列出了近20年文献中给出的18组大质量黑洞-宿主星系关系，并将每一组关系代入模型计算得出宇宙随机引力波背景的特征应变幅度、特征应变幅度频谱在低频段的转折频率及转折谱指数等参数信息。
-
在 MJD 58501（2019 年 1 月 18 日）至 MJD 59427（2021 年 8 月 1 日）期间，天马射电望远镜利用 2.25/8.60 GHz 双频接收机和数字后端系统（digital ...双频接收机是一个低温冷却的双极化接收机，频率覆盖范围分别为2.20-2.30和8.20-9.00 GHz。
-
图1：类星体示意图（源自网络） 近期，国家天文台科研人员李长华、张彦霞、崔辰州等人基于北京-亚利桑那巡天（BASS）大型测光数据、LAMOST和SDSS的光谱巡天数据，通过多种机器学习方法，设计了二分及多分两种不同的分类策略 ...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。
-
团队通过对比脉冲星辐射和其X射线辐射轮廓相位，发现其所发出快速射电暴爆发与脉冲星脉冲具有不同的相位分布，快速射电暴发生的相位更为随机。该工作揭示了快速射电暴爆发现象与射电脉冲星辐射可能存在物理机制上的不同。 论文链接：点击这里。 快速射电暴一般是来自宇宙深处其他星系的毫秒级极亮射电爆发。但是，FRB产生的具体机制和起源天体仍然是目前天体物理最热门的研究方向之一。 SGRJ1935+2154是一颗位于银河系内的磁星。这些来自磁星的极亮射电爆发为我们研究FRB的产生机制提供了重要的信息。 FAST优先重大团队在2020年10月针对SGR J1935+2154进行了一个月的监测，并成功探测到该源的脉冲星单脉冲辐射。这个发现揭示了快速射电暴的产生机制很可能与脉冲星辐射不同，它们发生的时候可能伴随着可以破坏磁层稳定结构的爆发性过程，因此它们可以出现在各种不同的旋转相位（如图2所示）。
-
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。在第二天的课程中，来自国家天文台太阳预报团组的首席科学家、博士生导师徐龙研究员详细讲解了人工智能与机器学习的前沿、基础及在天文科研中的应用。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。
-
我们利用哈勃太空望远镜HST上的WFC3相机观测了7个紫外连续谱极蓝的高红移星系，具体参考Jiang et al. 2020, ApJ, 889, 90。
-
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 ...图2 导星相机获得的各种星像形状统计（第一行为正常观测星像，占星像的绝大部分） 机器学习相关算法已经在很多领域中表现出很好的形状识别和分类能力，可以用于区分望远镜的获得的像斑形状。结合机器学习相关算法，可以通过以下几步实现望远镜性能监测，首先对望远镜获得图片进行分类，筛选出包含亮星的图片；然后对图片进行剪切，获得只包含单颗完整星像的小图片，使用机器学习算法对星像的形状进行识别，根据识别出形状给出造成性能不佳的原因 ...；最后使用概率统计结合多个相机的星像分类结果给出最终的原因。
-
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。为使科研人员能够深入了解云计算及机器学习的原理及技术，国家天文科学数据中心根据《国家天文台2021年度职工培训计划》安排，将于2021年9月27-28日在国家天文台A601会议室举办云计算与机器学习的技术培训 ...2009年从中国科学院计算技术研究所获得计算机应用工学博士，2009年至2013年先后在香港城市大学、香港中文大学和新加坡南洋理工大学留学，2014年入选中国科学院“百人计划”引进海外高层次人才类 ...谭锋：阿里云智能资深技术专家、机器学习PAI的平台架构师与负责人。拥有多年AI落地以及企业智能化经验。曾任职微软中国，多年微软搜索引擎必应团队的资深架构师。主要讲授基于公有云的大数据处理与机器学习平台在科研中的应用。 李长华，国家天文科学数据中心项目高级工程师，拥有多年云计算、高性能计算平台建设经验，主要研究方向为天文信息技术与大数据处理、机器学习。
-
中国空间站望远镜（CSST）主巡天相机（SC）旨在利用七个波段的测光系统进行大面积测光巡天，将为银河系结构和恒星星族的研究提供海量的深度数据。
-
国家天文台俞锦程、刘超 近日国家天文台科研人员俞锦程、刘超利用LAMOST银河系巡天项目得到的海量光谱数据，精确分析了银盘上的恒星运动学信息，给出了恒星年龄与其速度弥散度之间的关系，验证了银盘的加热机制 ...每个恒星或多或少会偏离这个速度，并表现出一定的随机运动。天文学家通常用速度弥散度来描述这种随机运动的强弱。天文学家称之为“盘的加热机制”。而通过数值模拟，天文学家发现银盘上的旋臂结构会显著地加热银盘，盘上恒星因此获得更高的速度弥散度。这一发现也验证了银盘的加热机制。此外，俞锦程等人认为将银盘划分为薄盘和厚盘能更好地描述银盘地运动学和化学特性（尽管这一观点还存在争议）。
-
最近一项由国家天文台赵刚研究员和常江博士领导的研究团队通过一系列的高精度动力学数值模拟，在计算机中重构了之前利用LAMOST和SDSS数据发现的鲸鱼座星流的形成过程。
-
This is code and data for the paper "Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms". There is another docker version of this code, which could be obtained from the correpsonding author Peng (robinmartin20@gmail.com).
-
This is code and data for the paper "Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms". There is another docker version of this code, which could be obtained from the correpsonding author Peng (robinmartin20@gmail.com).