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。
-
-
此星表的共生双星候选体是用机器学习的方法得到的。
-
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。
-
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 ...
-
近日，国家天文台王守成博士、马骏研究员，云南大学陈丙秋副教授，云南天文台龙潜研究员等人基于LAMOST数据构建了搜寻仙女星系（M31）星团的新方法，并从仙女星系全景考古巡天（PAndAS）测光数据中证认出 ...而在没有哈勃数据的区域，研究团队基于LAMOST，PAndAS等地面望远镜的观测数据优势，利用新方法在搜寻M31盘中年轻星团方面取得了新的突破。
-
恰恰就是这个原因导致很多普通民众认为必须要懂很多高深的天文知识，掌握很多数学物理方法才可以做到。
-
2015年，Ness等人提出了数据驱动的The Cannon算法来计算恒星参数，这种方法的优势是可以容易地在不同光谱巡天之间相互定标恒星参数。章博等人发现该方法存在一定的局限性：只能对很窄的参数范围内的恒星进行建模（例如有效温度从5500K-3800K），而无法扩展到更宽范围。因此章博等人提出利用支持向量回归（一种非参数化回归模型）来改进这种数据驱动的恒星参数计算方法，构建了SLAM方法。经测试，SLAM方法在宽参数范围内展示出优越的性能，使得光谱巡天的相互定标不再受到参数范围的限制。这体现了SLAM方法相较于The Cannon算法的巨大优势。SLAM方法为开展银河系的科学研究提供了非常有力的工具。
-
国际上已有相关研究团队利用卷积神经网络方法搜索强引力透镜系统。
-
该研究基于中国科学院云南天文台丽江天文观测站2.4米望远镜光谱观测的定标需求，提出了一种改正光谱大气吸收的新方法，改正精度达1%。论文链接：点击这里。传统的大气吸收改正方法需要在科学目标观测前后，在附近天区观测大气吸收标准星。基于小视场的时域观测研究中，该方法将占用大量宝贵的望远镜观测时间。另外，该方法无法在完全同时的观测条件下观测科学目标和标准星，天气和望远镜指向状态等的变化，导致光谱大气吸收的改正精度并不高。结合恒星物理研究建立的恒星模板光谱库，或者LAMOST和SDSS光谱巡天建立的恒星光谱数据库，该研究采用观测比较星光谱匹配恒星模板光谱的方法，获得比较星的大气吸收谱。通过计算大气吸收改正前和改正后氧发射线的流量弥散，对新提出的光谱大气吸收改正方法进行评估，发现该方法对光谱大气吸收的改正精度为1%。对于具备长缝光谱仪的地基望远镜观测，该方法具有普适性。
-
赵永恒研究员和北京大学吴学兵教授基于中国郭守敬望远镜（LAMOST）和美国斯隆数字巡天(SDSS)的光谱数据，结合欧洲航天局的X射线牛顿天文望远镜（XMM-Newton）数据、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。交叉证认在多波段天文学研究中起着至关重要的作用,是多波段天文数据融合的关键技术和方法。通过对某一天体的多波段证认,可以获得该天体的不同波段信息,进而可以揭露更多的物理本质。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。
-
研修主要内容： （一）实测天文相关前沿课题讲座； （二）参观兴隆观测基地； （三）光学天文望远镜和终端仪器介绍； （四）测光观测方法； （五）测光数据处理方法 ...
-
本释放数据是基于Tractor方法（Lang et al. 2016）和交叉匹配得到的星表数据。
-
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 ...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。本研究提出了一种鲁棒的基于卷积神经网络（CNN）的热亚矮星搜寻方法。
-
近期，太原科技大学屈彩霞、杨海峰、蔡江辉等人利用LAMOST光谱数据开展了双峰轮廓识别与质量评估方法的研究，提出了一套针对LAMOST光谱数据特征的稀有特征提取、特征表征、特征识别及质量评估的技术框架。这些复杂多样的特征极大地增加了从海量数据中搜寻双峰发射线轮廓光谱的难度，因此目前主要的方法仍然依赖于繁重的人眼检查。该技术框架在保证完备性的前提下，可以实现50%以上的双峰轮廓自动化识别，大幅减少了人眼检查工作；随着光谱数据量的增长，该技术框架具有比传统模板匹配方法更快的自动搜寻速度，同时可以为物理分析提供统计学依据 ...
-
2021年4月23日，北京大学天文学系博士研究生傅煜铭和吴学兵教授等所在团队在著名天文期刊ApJS发表论文，利用机器学习方法基于光学及红外巡天数据开展了银道面区域背景类星体候选体的搜寻，确定了16万多个银道面背景类星体候选体 ...不过，已有研究使用的选源方法一般与高银纬天区相同，较少考虑银道面消光等对天体颜色特征的影响。对于银道面天区的类星体光谱证认，至今国际上也尚无大样本的巡天计划。利用SDSS星系和类星体大样本以及Planck卫星测定的银河系消光图，该团队模拟出银道面背景类星体和星系的测光数据，从而合成出机器学习方法可用的训练集；在算法层面，将恒星—星系— ...
-
1) 正在研制或预研的天文望远镜及仪器 2) 大口径高精度天文镜面技术 3) 天文探测器技术 4) 天文观测方法和数据处理 5) 空间与极端环境下的天文仪器及技术 6) 天文台址、台址测量仪器及技术 ...
-
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。近年来，利用深度学习方法识别大规模数据中的特殊天体取得了良好的进展。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。本研究利用 LAMOST DR9 发布的光谱构建数据集，训练了一个卷积神经网络模型，然后利用迁移学习方法对该模型进行进一步训练，得到一个二分类模型。
-
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 ...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。本次工作利用SKA模拟、校准和成像算法库(RASCIL)结合美国氢原子再电离时代阵列HERA的RFI模拟方法生成受到干扰的SKA1-LOW模拟观测数据，并使用以部分模拟数据训练得到的卷积神经网络（图1） ...
-
此数据集中，采用一种概率方法来估计恒星两种类型的距离，即，仅使用EDR3视差的几何距离以及使用EDR3视差、G星等和BP-RP颜色的测光几何距离。