• 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。
  • 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。
    由于计算机和网络的普及,这些复杂的工作完全不需要我们去深入了解,因为计算机最能干的事情就是完成有规律且重复性很强的工作。
    </p> <p>如今,星明天文台借助中国虚拟天文台强大的技术开发与资源实力对原有系统进行改造,推出全新的PSP平台,以期望让科学普及真正落实,让人人都关注科学,关心天文,用最简单的方式参与科学研究 ...
  • 此星表的共生双星候选体是用机器学习的方法得到的。
  • 近几年,随着天文学对于数据处理的速度和质量要求性的提高,大量新的计算方法和技术纷纷涌现。由于这些新的方法越来越复杂,因此也使得再现这些算法变得更加困难。
    当前迫切需要一种技术手段,可以在完备的知识产权保护体系下,对计算方法以及分析方法的代码、数据进行共享,给新算法的快速采用、理解和推广提供渠道
    在这个平台上,科学数据不仅可以存储和分享,还可以申请独一无二的“网络通行证”——DOI编码。
    更重要的是,PaperData还受到了AAS和RAA等期刊的推荐,如果在发表论文时通过这一平台分享实验所使用的计算和分析方法,或许可以为推广新算法提供更好的“解题思路”。
    为此,我们提出一种数据驱动的图像复原方法:用同波段清晰的天文图像作为参考,利用循环神经网络(CycleGAN)将模糊的天文图像投影到清晰的天文图像空间,实现无参考的图像复原(Solar Image Restoration ...
  • /p> <p style="text-indent: 2em"> 尽管,仰望星空是人类亘古不变的追求,但寻找宇宙新发现对普通大众而言始终是一件高深莫测的事,需要具备足够的天文知识,掌握很多物理、数学方法才可以做到 ...
    </p> <p style="text-indent: 2em"> 因此,该搜寻平台本质上就是一个网上看图平台
    ”</p> <p style="text-indent: 2em"> 事实上,建立一个公共的搜寻平台,也是高兴在“玩”的过程中得到的启发。
    </p> <p style="text-indent: 2em"> 这让他意识到,中国的天文爱好者数量很多,如果能建立一个类似的网络平台,就能满足更多人对天文观测的热情。
    此外,平台也争取向天文爱好者提供更多知识、教程,并让他们获得与专业人员互动、交流的机会。</p> <p> 《中国科学报》 (2015-08-07 第8版 新知)</p> ...
  • 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 ...
  • 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。
    在此基础上,云南大学中国西南天文研究所的宇宙学团组构建并训练了一个卷积神经网络,并将其应用于欧洲南方天文台2.6米巡天望远镜(VST)千平方度巡天(Kilo-Degree Survey—KiDS ...
    此外,通过测试卷积神经网络在不同观测条件上的表现以及用不同大小的训练集训练网络,该小组还对卷积神经网络的稳定性作了测试。
    该项工作构建的神经网络可应用于未来的其他巡天数据,如正在建设中的云南大学多通道测光巡天望远镜(Mephisto)的数据。
  • 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 ...
    图1:仙女星系 王守成等人从LAMOST DR6 数据中挑选出M31中346个星团、银河系前景天体和背景星系,结合文献中给出的M31星团与非星团样本作为训练样本,构造了一类双通道深度卷积神经网络(CNN ...
    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。
  • 图1:中国虚拟天文台平台的技术路线图 中国虚拟天文台: 1)首创面向混合云环境的虚拟天文台软件体系架构,解决了异构资源的融合、互操作与数据安全问题,支持单条天文观测数据级别的细粒度访问控制;自主创新实现了面向混合云环境的虚拟天文台基础软件框架与首个完整实用的虚拟天文台 ...
    提出观测设备时间申请分配标准化流程与可扩展框架,解决了观测设备之间的数据安全隔离问题;以基于图论的优化方法解决了大型观测设备切换观测目标的调度问题;提出基于天区划分索引的原位检索方法,解决了海量天文图像时序数据子集的高效获取问题 ...
    3)创新多波段天文数据融合技术方法
    提出支持大规模分布式并行的天文交叉证认计算与数据布局优化方法;提出快速邻域编码计算算法解决证认计算边界漏源问题;提出基于贝叶斯假设推断方法,使用直线非对称模型对非点源星表进行交叉证认。
    以该平台为基础打造的国家天文科学数据中心2019年6月获得科技部、财政部的批准,正式列入国家科技资源共享服务平台名单,填补了我国天文界在国家科技创新基地体系中的空白。
  • 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。
  • 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 ...
    结果表明:本研究中提出的深度神经网络对RFI的识别效果总体上与AOFlagger相当,并在一定情况下比现有算法有所改进。
    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) ...
    网络结构 该网络用在真实的LOFAR、MeerKAT数据上经过训练得到的模型对真实数据中的RFI的识别结果与当前主流的RFI识别软件AOflagger以及tircolour (MeerKAT望远镜的RFI ...
  • 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 ...
  • 利用大样本统计方法,能够提取出对应参数空间内光谱的典型特征,与单次源观测的光谱相比, 统计的典型光谱质量更高,参数标记更可靠。
    基于LAMOST一期巡天的海量恒星光谱数据,通过大样本统计的方法构建的这套实测光谱库,与单次观测收集的实测光谱库相比,受观测条件和数据处理的影响要小很多。
    科研论文中涉及的图表、数据、动画、电影、模型、代码、软件等都可以寄存在这个平台上。 平台为每一个实体对象提供一个永久的网络访问地址(统一资源定位符,URL),解决临时网址经常失效的问题。
    这个地址可以由用户个性化定制并维护,China-VO保证地址的长期有效与数据安全。存储在平台上所有资料的产权仍归论文作者所有。
    了解更多详情及使用方法,欢迎访问:     http://paperdata.china-vo.org/ ...
  • 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。
  • 天文学“科技领域云”的建设与应用项目顺利通过由中国科学院网络安全和信息化领导小组办公室组织的总验收。
    )教育网络技术有限公司等共同参与。
    以国内核心天文观测设备的时间申请、审批,数据汇交、共享、使用,课题设计、开展为线索,融合天文观测和科研活动所需的科学数据、科技文献、高性能计算、软件和实用工具等资源,形成的一个物理上分散、逻辑上统一的网络化科学研究平台 ...
    ;是以中国天文数据中心(国家科技基础条件平台——地球系统科学数据共享平台——天文数据中心)的数据资源为基础,基于虚拟天文台技术和云计算技术,打造的一个全生命周期数据管理与开放共享平台
    项目的实施有力推动了院内天文学观测数据和科技资源的开放共享,为科学家提供高效的网络化科学研究平台,为公众提供接触真实天文研究数据的渠道
  • 因此,热亚矮星只可能是通过某些比较特殊的渠道产生的,比如双星演化等,从而热亚矮星的形成问题也引起了天文学家的极大兴趣。 热亚矮星的质量是非常重要的物理参数,可以直接用来检验和限制热亚矮星的形成模型。
    通过这种方法,科研人员获得了664颗热亚矮星的质量。基于这个目前最大的有质量参数的热亚矮星样本,研究团队给出了不同类型的热亚矮星质量分布,这非常适合用来检验和限制热亚矮星的形成模型。
    富氦型热亚矮星被认为是通过双星并合渠道产生,理论模型预测的峰值质量分布较平,在0.5-0.6倍太阳质量之间(见图2);而基于LAMOST光谱给出的富氦型热亚矮星的峰值质量在0.42倍太阳质量左右,远小于理论模型预测值 ...
    这一结果表明,富氦型热亚矮星除了通过双星并合渠道产生以外,应该还存在其它形成渠道,有待于后面进行更加深入地研究。 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。
  •  
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