• article-nadcLAMOST光谱数据支撑智源杯天文数据算法挑战赛，助力AI人才培养
    由北京智源人工智能研究院主办，国家天文台、数据评测平台biendata联合举办的天体分类数据竞赛于2020年1月开赛。
    本次比赛旨在鼓励大众参与到天文学的探索当中，利用最新的人工智能算法分析望远镜收集到的真实科学数据。     ...
    传统的人工或半人工的利用模板匹配的方式不能很好应对，需要高效而准确的天体光谱智能识别分类算法。             ...
    选手们将以LAMOST巡天光谱分类为题，利用高效、高准确率的自动化算法，将未知天体分成恒星（star）、星系（galaxy）和类星体（QSO）三类，以期用最新的人工智能技术来解决天文研究中的实际问题。
    作为科学数据的代表，天文数据标准化程度高、体量丰富且具有高度复杂性，是机器学习、数据挖掘等算法训练的优质样本。
  • article-nadc国家天文科学数据中心首次发布机器学习数据集
    该比赛以天文光谱智能分类为题，参赛者对郭守敬望远镜观测获得的上千维光谱数据进行分类，设计出高效高准确率的天体分类算法。为天文学家的工作带来更多便利。
    案例2：智源杯天文数据大赛 2020年，由北京智源人工智能研究院主办，国家天文台、数据评测平台biendata联合举办“智源杯”天体分类数据竞赛，本次比赛利用最新的人工智能算法分析望远镜收集到的真实科学数据 ...
    图2 智源杯大赛官网 如果您和您的团队也对天文数据感兴趣，并希望利用LAMOST数据开展算法相关的实践与比赛，欢迎前往发布页面下载并使用。
    同时也欢迎大家联系我们提交自己的数据集，经过筛选的数据集可通过国家天文科学数据中心的平台开放共享。
    数据集提交通道：https://nadc.china-vo.org/res/dataset_submission/dataset_list ...
  • article-nadc一种用于龙虾眼X射线望远镜观测图像目标检测的数据处理框架
    由于所有由龙虾眼望远镜观测的目标都会受十字臂PSF的调制，因此给目标检测算法研发带来了困难。传统上，科学家会根据光子在探测器平面上的位置生成2D图像，并使用经典算法来检测目标。
    2D图像中检测出不同通量的天体目标；然后是分类筛选部分，使用条件限制和随机森林算法从候选检测对象中获得最终检测结果。
    该框架算法具有较高纯度（超过94%）、适中的完备性（对于通量大于3MCRAB(9.6×10−11erg/cm2/s)的目标，完备率超过90%）的同时对观测条件的变化具有较强的鲁棒性 ...
    研究代码已经过国家天文科学数据中心论文数据贮藏库（PaperData）发布（DOI: 10.12149/101175），相关云服务资源由智能光学成像实验室部署，可以通过联系负责人贾鹏（robinmartin20 ...
    关于智能光学成像实验室 智能光学成像实验室由贾鹏博士建立，面向国家基础科学装置和战略需求，开展光电系统数字孪生及智能信号处理研究，研究成果服务我国空间站巡天望远镜、欧洲极大光学望远镜、大光学红外望远镜 ...
  • article-nadc贾鹏—做数字宇宙中的技术淘金者
    在这一思想驱使下，他组建了智能光学成像团队，在光学望远镜和图像处理领域开展了自由探索。
    ”先验知识“是智能成像中”智能“的重要组成部分，可提升大光学望远镜数据质量。
    此外，他所带领的小组也实现了一些天文图像自动识别、定位和分割的算法软件。为更好地服务于科学研究和公众科学传播，上述软件已开源，并通过国家天文数据科学中心开放下载。
    图4：本课题组建立的光学望远镜模拟及虚拟现实互动平台操作截图，可通过虚拟现实设备对望远镜进行直接操作。 随着海量天文观测数据的积累，公众和科学家能够通过国家天文数据科学中心获取这些观测数据。
    另一方面要提升现有智能应用算法的性能，降低人工干预和标记数据的需求，同时提升算法的工程化水平。在数据上云的基础上，将算法转变为服务，为全民普及的科学研究做出贡献。
  • article-nadc基于机器学习的望远镜，性能如何？
    近日，南京天文光学技术研究所参与LAMOST运行维护的研究团队根据多年的望远镜维护经验，结合人工智能在各类领域内的广泛应用，提出了一种望远镜性能监测的新方法。
    LAMOST等效通光口径3.6-4.9米和视场直径5度，能同时获得4000个天体的光谱。2009年建成通过国家验收，自2011年开始先导巡天和正式巡天以来，已经稳定运行了9年。
    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 ...
    该成果基于国家自然科学基金天文联合基金重点项目“大型天文光学望远镜控制系统智能化研究”开展。
    国家天文科学数据中心为该项目专门设计了科研实验平台，用于开展智能化实验及跨团队协同工作。
  • article-nadc“天文数据挖掘”天池大赛吸引近千人参加，今日复赛开锣！
    2月6日，国家天文台-阿里云天文大数据联合研究中心启动了“天文数据挖掘”天池大赛，面向公众开放天文科学探索课题，为选手提供云计算、人工智能技术，分析望远镜收集的真实天文数据。
    正如一名选手所说，这次大赛给了普通人一个近距离接触天文数据的圆梦机会，借助互联网新技术，“民间天文科考队”的阵容越来越强大。
    本次大赛以郭守敬望远镜（LAMOST）巡天光谱分类为课题，通过阿里云天池数据众智平台征集高效、高准确率的自动化算法，解决这个天文研究中的实际问题。
    虽然我国专业从事天文工作的科学家仅有不到3000人，但普通民众中不乏天文爱好者。
    PAI可以通过托拉拽的方式，实现算法组件的拼接，并提供完整的数据挖掘链路，背靠的阿里云分布式计算引擎可支持百亿特征千亿样本的数据并行化计算，为复赛选手提供强大的计算支撑。
  • article-nadc国家天文科学数据中心研究生代表队参加金砖天文工作组Hackathon
    今年会议的科学主题是“巡天科学与大数据”，旨在推进金砖国家天文旗舰合作项目“智能望远镜和数据网络”的进展。
    黑客马拉松（Hackathon）是一类集体协作的竞赛活动，旨在通过团队合作和技术创新解决实际问题。由主办方提供命题，参与者分组聚集在一起，通过团队合作和技术创新在规定时间内解决主办方提出的问题。
    竞赛结束后，各团队通过答辩来展示成果，并由专家评审团进行评审。
    各个队伍提出了许多创意解决方案，涉及领域包括但不限于统计科学、天体物理、人工智能等。左肖雄和张震均在各自的团队中表现出卓越的创造力和合作能力。
    左肖雄采用的“基于t-SNE特征降维的DBSCAN聚类算法”和张震采用的“基于PCA的K-means聚类算法”均受到团队成员的赞扬和认可。
  • metadata银道面背景类星体候选体星表
    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 ...
    使用XGBoost回归算法计算的候选体测光红移范围为(0, 5]。本星表中包含了候选体的PS1和AllWISE星等、测光红移、分类概率，以及Gaia自行信息。
  • article-nadc天文大数据助力AI人才培养
    近几年，利用机器学习与人工智能技术进行天文学研究，通过展开跨界合作促进学科发展，以数据驱动开展天文科普教育等议题备受关注。
    崔辰州博士做主题报告 他表示，天文数据作为科学数据的代表，标准化程度高、丰富且有复杂性，可以为机器学习、数据挖掘等算法训练提供优质的样本。
    崔辰州为图像赛道获奖选手颁奖   本次比赛是继2018年国家天文台与阿里云合作举办“天文数据挖掘”天池大赛后，又一次利用真实天文数据开展，有广泛参与度的计算机算法大赛。
    他们使用人工智能的技术和方法，参与到天文科学的探索之中，利用高效、高准确率的自动化算法来解决天文研究中的实际问题。
    此外，两次赛事参与人数众多，在高校学子和公众中间引起强烈反响，也让更多人有机会通过研究数据增长了天文知识。
  • article-nadc关于国家天文科学数据中心青年数据科学家项目2022、2023年度拟支持项目的公示
    项目名称 申报人 1 基于引力波探测开源数据的共享数据门户 王 赫 2 基于深度学习算法的白矮星及致密双星挖掘 ...
    何治宏 8 基于多变量多尺度天文大数据的可视化研究 季成涛 9 人工智能与公众科学协同的特殊天体发现方法研究 ...
    贾 鹏 10 太阳射电III型爆自动检测算法研究及参数库建设 程 俊 注：按申报人姓氏笔画排序 ...
  • article-nadc星辰整理术，一百万天体尽在你手
    在今天，这项工作即将由人工智能来完成。 国家天文台与阿里云合作举办了天文数据挖掘“天池大赛”，主题就是天文光谱智能分类。
    参赛者对郭守敬望远镜观测获得的上千维光谱数据进行分类，设计出高效高准确率的天体分类算法。在新的算法上，将省去很多繁重的人工筛选的任务量，使得天文学家能够集中精力进行数据分析。
    这意味着此次大赛产生的算法不只能够让天文学行业受益，也不只能够让中国约3000人的职业天文学家们受益——还可以让更多人尝试接触天文科研和机器学习等新领域。
    天文数据挖掘大赛，聚焦天体光谱智能分类，集全球天文数据开发者，于5月4日（周五）8:30-12:00在北京国家天文台A座一层多功能厅举行决赛答辩，组委会诚挚的邀请你现场观战。
  • article-nadc智能与天文跨学科合作研发天文光谱智能分类可视分析系统
    北京大学智能学院袁晓如课题组与国家天文台展开跨学科合作，研究设计了一个结合自动分析与人工用户参与决策的交互式光谱分类检查可视分析系统，在保证分类准确率的同时显著提高分类效率。
    图5：光谱表征算法性能评估。 图6：用户实验结果。
    我们首先通过参考光谱来评估光谱表征算法性能。如图5所示，673条光谱的最高得分红移候选对应正确红移（准确率91.69%），并且随着候选红移数量增多，算法准确率持续提升。
    结果说明了算法和提供多个红移候选策略的有效性。在检查过程中，系统识别出2,262条极冷矮星，数量符合专家预期。
    本工作第一作者是北京大学智能学院博士生李金城，通讯作者智能学院袁晓如研究员。其它合作者还包括赖楚凡，国家天文台的罗阿理研究员和王有芬助理研究员。
  • article-nadc层次聚类算法的天文学应用
    层次聚类算法是一种无监督算法。它按照某种预设的度量来量化数据之间的距离，并将距离用树状图呈现。层次聚类不只提供最终的聚类结果，也能呈现数据点之间的层次关系。
    传统的成员识别方法通常假定星团成员有相同的运动学信息和相同的演化趋势。 层次聚类方法不需要事先假设，这对于探索星团的边界有很大优势。
    图3 左图为英仙双星团的树状图.右图为算法给出的两个子团成员的空间分布. 分子云 与离散分布的星系、恒星不同，分子云在空间中连续分布。层次聚类算法在分子云中的应用更为多样。
    随着新一代天文设备的陆续建成，待分析的数据量大幅增长，层次聚类算法也将会在天文学研究中发挥更大的作用。
    上述内容节选自综述论文《层次聚类算法的天文学应用》(Hierarchical Clustering in Astronomy)，欢迎阅读原文。
  • metadataStarGRUNet
    该项目包括从LAMOST DR8中约821万个低分辨率光谱估计出的目录、代码、训练好的模型和实验数据，分别用于天文科学探索和数据处理算法研究。
  • article-nadcKaggle Days&超新星搜寻：天文数据助力AI人才培养
    在PSP的网站里，用户只需通过对比望远镜拍摄的新旧图片，如果发现了新增的亮点，那么就有可能发现超新星。
    本次活动中，中科院国家天文台和国家天文科学数据中心提供了海量天文图片素材，参与者需通过图片的 AI 训练——利用算法模型对数据进行抽丝剥茧的查验、训练，以期达到最终的拟合效果模型 ...
    图3：此次Kaggle Days 赛题 本次活动共有34支队伍参与了这场巡星之旅，他们通过AI技术为超新星搜寻提供了新的可能，尝试用机器学习和人工智能技术解决天文研究中的实际问题。
  • 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。
    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 ...
  • metadata多通道近红外太阳光谱仪数据
    紫金山天文台的多通道近红外太阳光谱仪（MISS）于上世纪 70 年代建成，经过上世纪 80 年代中期和 90 年代末及本世纪（最新 2015 年的改造升级）的更新，发展成现在的 5 个波段（Hα 6563 ...
  • article-nadcChina-VO 召集的天文教育论坛在智利举行
    世界各国的天文学家、计算机科学家、软件工程师、大学教师和学生聚集在一起，研究探讨天文数据获取、处理、分析的算法和软件设计开发，以及天文数据的开放共享等话题。   ...
    ADASS大会主页   第27届ADASS大会于2017年10月22-26日在智利圣地亚哥召开，来自20多个国家的300多名代表参加大会。
  • article-nadc脉冲星信号测时和消干扰研究获进展
    射电望远镜采集脉冲星数据时，人类通信技术(卫星、移动基站或导航雷达)引起的射电频率干扰(RFI)对于多通道脉冲星时频信号的形状有较大破坏性，常规的消干扰方法使得信号在后续天文研究中灵敏度降低，影响分析精度 ...
    此项研究在优化框架下提出一种精确区分信号与RFI的通用框架，相对于传统方法主要有以下优势：(1)建立最优化去干扰信号分解模型，可以去除大多数种类RFI(如图 2所示)。
    后续，科研人员将对算法计算效率进行改进，使其适应于大批量脉冲星数据计算。利用南山26米射电望远镜采集的脉冲星数据，开展引力波探测研究。
    其中，r为阈值，蓝色、红色线段分别代表原始数据和算法计算数据的测时结果。黄色为灵敏度降低后数据测时结果 图2 脉冲星PSR J0332+5434鲁棒去干扰结果。
    从左向右：预处理后信号F; 4时算法收敛后脉冲星信号和残差N; 6、8、10和12时算法收敛后脉冲星信号 新闻来源：http://www.xao.ac.cn/xwzx/kydt/202307/t20230727 ...
  • metadata2MASS 全天数据释放
    2微米全天巡天（2MASS）全天空数据发布包含高度均一性的近红外星表和图像数据，覆盖99.998%的天空，这些数据来自亚利桑那州霍普金斯山和智利塞罗托洛的1.3米望远镜的巡天观测。
    此镜像数据集包含点源星表（PSC）、扫描信息表（SCN）和扩展源目录（XSC），但不包含图像数据，图像数据可通过红外科学档案馆的在线服务获得。其他细节请参考下载链接中的使用说明。
    •  
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