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。
-
-
LAMOST DR7 中分辨率恒星参数星表第2.0版列出了2017年9月至2019年6月期间LAMOST中分辨率巡天观测获得恒星大气参数信息,该表中发布了蓝端合并光谱的大气参数,以及红端合并光谱的大气参数 ...http://dr7.lamost.org/v2.0/catalogue网站提供了两种格式的“LAMOST中分辨率参数星表”, 一种是.fits格式,另一种是.csv格式。
-
LAMOST DR7 中分辨率恒星参数星表第1.3版列出了2017年9月至2019年6月期间LAMOST中分辨率巡天观测获得恒星大气参数信息,该表中发布了717,475条蓝端合并光谱的大气参数,以及33,349 ...条红端合并光谱的大气参数。http://dr7.lamost.org/v1.3/catalogue网站提供了两种格式的“LAMOST中分辨率参数星表”,一种是.fits格式,另一种是.csv格式。
-
在此基础上,上海天文台研究团队对数字化的天文底片进行了进一步的高精度的天体测量定标工作,将初始版本的数字底片转换为了标准FITS格式的天文数字图片,用以满足相关专业天文学家的研究工作。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。
-
今年的双十一,上热搜的不仅有买买买,还有令天文爱好者大为振奋的天象奇观——水星凌日。北京时间11月11日20点35分至11月12日凌晨2:04(美国东部时间11月11日7:00到13:45),水星在太阳前方略过,像在太阳表面上演了一出“太空漫步”的大戏。 ...只有在太平洋(除西北部)、北美洲(除西部和北部)、南美洲、大西洋、欧洲(除极北部)、非洲、亚洲极西南部、印度洋西部、南极洲可以直接观测到。为了让大家完整观看水星凌日的奇观,美国国家航空航天局(NASA)发布了“水星凌日”的照片和视频,感兴趣的你可以点击https://mercurytransit.gsfc.nasa.gov/2019/欣赏 ...
-
展厅辅导员万望辉、陈丹给观众讲解和指导如何操作万维望远镜 第一期的活动内容基于《互动式天文教学指导丛书——小学天文教学》,以该课程的第一课《我们所在的位置》为主题,旨在引导观众熟悉万维望远镜的基本操作 ...,带领观众通过软件寻找武汉科技馆的位置;认识地球七大洲四大洋的基本分布;熟悉喜马拉雅山脉的特点。
-
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。
-
低分辨率总星表第1.3版包括了LAMOST于2011年10月24日至2019年6月8日期间低分辨率巡天观测获得的光谱信息,表中包括所有星系、类星体和M型恒星的参数信息;对于其它类型的天体,只有r波段信噪比大于 ...2或者g波段信噪比大于5或者i波段信噪比大于5的天体信息被包含在此表中。此外,该表中g波段信噪比大于10的光谱有6,808,754条,i波段信噪比大于10的光谱有9,097,648条,以及g波段和i波段信噪比都大于10的光谱共有6,728,257条。http://dr7.lamost.org/v1.3/catalogue网站提供了两种格式的LAMOST低分辨总星表,一种是.fits格式,一种是.csv格式。
-
LAMOST DR8 低分辨率恒星参数星表第2.0版列出了2011年10月24日至2020年5月27日期间LAMOST低分辨率巡天观测获得恒星大气参数信息。http://dr8.lamost.org/v2.0/catalogue网站提供了两种格式的“LAMOST低分辨率参数星表”, 一种是.fits格式,另一种是.csv格式。
-
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。
-
LAMOST DR7 低分辨率M型恒星参数星表 第1.3版列出了2011年10月24日至2019年6月8日期间获得的711,936条M型恒星光谱的参数信息,其中669,549条光谱的表面重力大于等于3.5 ...http://dr7.lamost.org/v1.3/catalogue网站提供了两种格式的LAMOST低分辨M型星星表,一种是.fits格式,一种是.csv格式。
-
、星际分子探测以及地外文明搜寻等方面取得重大的科学突破。服务内容、方式和过程 从FAST建设开始,中心便与FAST团队紧密沟通,积极参与到FAST建设当中,为项目的顺利开展提供专业的数据和技术支撑服务,取得良好进展。服务成效 在建设之初,中心就开始FAST数据中心的前期研究,分布式数据中心使用不同种类的硬件组合和网络方案,为FAST数据中心建设积累经验。2016年1月,国家天文台与贵州师范大学合作建成FAST早期科学数据中心贵师大节点。2016年6月,在FAST现场建成早期科学数据中心大窝凼节点。除了FAST观测站本地的存储和计算设施外,中心还参与了FAST配套数据中心和超算平台的建设,与FAST科学部积极攻克海量数据处理关键技术,整理中性氢巡天数据处理的Pipeline并对Gridding进行性能优化 ...
-
低分辨率总星表第2.0版包括了LAMOST于2011年10月24日至2019年6月8日期间低分辨率巡天观测获得的光谱信息,表中包括所有星系、类星体和M型恒星的参数信息;对于其它类型的天体,只有r波段信噪比大于 ...2或者g波段信噪比大于5或者i波段信噪比大于5的天体信息被包含在此表中。此外, g波段或i波段信噪比都大于10的恒星光谱共有8,912,384条。http://dr7.lamost.org/v2.0/catalogue网站提供了两种格式的LAMOST低分辨总星表,一种是.fits格式,一种是.csv格式。
-
9月27日-28日,根据《国家天文台2021年度职工培训计划》安排,“云计算与机器学习”培训在国家天文台A601会议室举办,来自国家天文台内外的近百名学员通过线上或线下方式参加了培训 ...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。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。
-
国际天文学联合会(IAU)第XXX届大会于2018年8月31日在奥地利维也纳会议中心顺利结束。这些数字使它成为有史以来组织的最大的IAU大会之一。与会者在7次学术讨论会和15次专题研讨会上对于天文学的研究、发展、进步和合作等做了大量科学报告和展示。在闭幕式上,大会还批准了1248名新个人会员加入IAU,使其个人会员总数超过13500名。在大会召开之前,提案B4也已经进行了一段时间的广泛征求意见。 在闭幕式上,还宣布2024年第32届IAU大会将在南非开普敦召开。这将是IAU大会首次在非洲举行。 ...包括有10场观星活动,教师培训课程,学生参观大会展览,以及有关光污染、科学和艺术等主题的讲座和展览等。 编译:梁艳春 ...
-
BOOTES由安达鲁西亚天体物理研究所主导,马拉加大学等许多西班牙科研机构和国际合作伙伴共同参与。图1:伽玛暴与瞬变源观测系统网络在五大洲七个台站的地理分布状况。 这是第一个实现此目标的自动望远镜网络(来源:IAA-CSIC/UMA/INTA)。它是第一个在各大洲都拥有站点的全自动望远镜网络,因此在科学上具有里程碑式的意义。” 为什么要建设BOOTES? 暂现源是一类会短暂出现并突然释放出巨大能量的天文现象。伽马射线暴作为典型的一类暂现源,是宇宙中最强烈的爆发现象,通常与大质量恒星的死亡相关联。图3 BOOTES-4落成时各方代表合影留念 “BOOTES的完成可谓是一个巨大的成功,因为它是在人力和预算投入都远低于同类项目的条件下实现的。
-
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 ...多波段多信使数据的融合 高性能计算与数据密集型研究 数据驱动的科普教育和全民科学 学科发展与跨界合作 大会精彩内容回顾 贵州大学张利教授代表年会主办方进行开幕致辞。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。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。
-
此星表中包含4692947个g波段信噪比大于10的天体光谱,6126825个i波段信噪比大于10的天体光谱,4592742个g波段或i波段信噪比大于10的天体信息。星表以FITS表格和csv表格两种格式提供。
-
此星表中包含3433119个g波段信噪比大于10的天体光谱,4605327个i波段信噪比大于10的天体光谱,3374398个g波段或i波段信噪比大于10的天体光谱。星表以FITS表格和csv表格两种格式提供。
-
此星表中包含2364630个g波段信噪比大于10的天体光谱,3205453个i波段信噪比大于10的天体光谱,2323317个g波和i波段信噪比大于10的天体光谱。星表以FITS表格和csv表格两种格式提供。