• 作为国家级数据中心,数据资源天文科学数据中心应逐步向研究型数据中心转型,在软件系统、计算能力、学科交叉、大数据+AI驱动的科研范式探索等方面做出更好的成绩。
  • 图1 参会代表合影留念 会议背景及主题 本届学术年会的主题为“面向AI使能科学发现的数据与服务(Making Your Data and Services Ready for Al-enabled ...
    Science Discovery) ”,探讨如何提升数据与服务的形式与内涵,更好地应用AI/ML,激发新的科学发现。
    会议研讨主题包括但不限于以下几个方面: AI/ML需要怎样的数据和服务 云计算大数据技术的学科应用 程控望远镜与自主观测 多波段多信使数据的融合 数据驱动的科普教育和全民科学 科学平台和全生命周期服务 ...
    在内容上主要围绕基于人工智能的天文数据处理、AI使能科学发现所需的数据与服务、基于科学数据的天文研究进展、数据驱动的天文科普教育与青少年素养提升,以及天文数据计算和处理的新技术、新方法等几个方向进行。
    同时,代表们也提出了现阶段人工智能在科学研究实际应用中面临的诸多问题,对AI时代的数据和技术服务进行展望,为天文信息学后续的发展方向提出了诸多设想,帮助天文数据在科研及科普教育领域焕发出新的生机。
  • 知识发现兴趣组(Knowledge Discovery Interest Group) 把VO与KDD(ML、AI)领域联系起来,关注的方面包括可视化、远程数据探索、机器学习技术、统计方法、工作流程编排和多态数据访问等 ...
  • 机器学习与人工智能 智源杯天文数据算法挑战赛 未来杯高校AI挑战赛 国台-阿里云“天文数据挖掘”天池大赛 KaggleDays China 2019 其它相关资讯文档 ...
  • 本届学术年会的主题为 “天文学中的机器学习和人工智能(ML and AI in Astronomy)”,聚焦于机器学习和人工智能技术在天文学中的最新和潜在应用。   ...
    学术报告和嘉宾论坛围绕如何促进机器学习在天文数据分析中的应用;中国天文学会信息化工作委员会的组建和工作开展;程控望远镜与自主观测以及AI在该领域的应用;如何开展数据驱动的天文科普教育以及STEM课程四个主题来进行 ...
  • 本届学术年会的主题为“AI时代的数据和服务(Making Your Data and Services Ready for Al-enabled Science Discovery) &rdquo ...
    ;,探讨如何提升数据与服务的形式与内涵,更好地应用AI/ML,激发新的科学发现。
    会议研讨主题包括但不限于以下几个方面: AI/ML需要怎样的数据和服务 云计算大数据技术的学科应用 程控望远镜与自主观测 多波段多信使数据的融合 数据驱动的科普教育和全民科学 科学平台和全生命周期服务 ...
  • 人工智能(AI)和机器学习(ML)快速渗透到数据生产、 处理、分析、挖掘和知识发现的各个环节。数据中心和数据提供者在利用AI/ML提升数据管理水平、数据质量控制、数据互操作服务。但一切都才刚刚开始。
    科学家们在应用AI/ML时往往感觉数据和服务不够给力,数据中心却尚不清楚该如何提供AI-friendly数据和服务给用户。
    本次会议我们聚集在一起,讨论AI/ML在天文领域从研究到广泛应用的关键问题。 天文信息学与虚拟天文台2021年学术年会将于2021年12月4-8日在云南丽江召开。
    本届学术年会的主题为“AI时代的数据和服务(Making Your Data and Services Ready for Al-enabled Science Discovery) &rdquo ...
    ;,探讨如何提升数据与服务的形式与内涵,更好地应用AI/ML,激发新的科学发现。
  • 希望本次大赛能发掘出更多跨学科人才,不仅能够推动AI行业的进步,更可以助力天文学产出更多、更好的科研成果。
  • 近日,由睡前Futurelab主办,中国青少年发展基金会、网易科技联合主办;国家天文台、北京希尔贝壳科技有限公司协办,华为手机全程战略合作的“未来杯高校AI挑战赛”落下帷幕。
    活动现场   该比赛图像赛道的题目为“运用AI图像技术助力超新星搜索”,所使用的数据由中国科学院国家天文台提供。
    他们通过搭建模型为超新星AI搜寻提供了更快速、便捷的方式。经过激烈角逐,来自中国科学院大学、哈尔滨工程大学等高校的五支队伍取得优异成绩。
    如果能够善用这些数据产品,联合天文学家和AI高手们共同分析,不仅能够激发公众的科学兴趣、促进人才培养,还将推动AI行业的进步,更可以助力天文界产出更多、更好的科研成果。
  • 周文杰、张宓等几位管理员进一步确认,并将其上报至天文电报中央局(CBAT)和暂现源名称服务网(TNS),该候选体获得编号PNV J00412572+4044233和AT 2022zzj,内部编号PSP22ai ...
    编号:AT 2022zzj(=PNV J00412572+4044233=PSP22ai) 发现者:徐建林、张宓、唐磊明、周文杰、赵经远、阮建高、孙国佑、高兴 发现亮度:18.1星等(无滤镜) 发现时间 ...
    参考资料: AT 2022zzj,Transient Name Server,https://www.wis-tns.org/object/2022zzj PSP22ai,星明天文台官网,http ...
    ://xjltp.china-vo.org/psp22ai.html PNV J00412572+4044233,Central Bureau for Astronomical Telegrams, ...
  • 图5:徐龙研究员介绍AI技术在天文科研中的应用 图6:谭峰老师讲解机器学习平台PAI相关知识 本次培训由国家天文台人事处主办,国家天文科学数据中心承办,课程内容丰富详实,紧密贴合科研人员的工作日常 ...
  • 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。
  • 活动主页 2019年 10 月 20 日的 Kaggle Days活动中,UCloud、Kaggle 和诸多技术爱好者一起,以“我们的征途是浩瀚星海:超新星识别”为题,尝试利用 AI ...
    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。
    此次合作是天文与计算机跨界合作的又一成功案例,不仅点燃了更多人参与天文研究的热情,助力天文领域产出更多、更好的结果,同时也促进了AI行业发展与复合型人才的培养。
  • 在双方的共同努力下,中国虚拟天文台借助阿里云强大的技术和资源优势打造具有全球服务能力的网络化科学研究和科普教育平台,借助云计算、大数据和AI技术能力,助力新时代天文学研究和科普教育推广工作。
  • 5、作品入围后需提供AI、CDR或PSD等格式矢量图原件。 三、版权说明 1、投稿作品必须为未公开发表的原创作品,如涉及抄袭、侵权等行为均由作者承担责任。
  • 图1 IVOA各工作组最新任命名单 知识发现兴趣组(Knowledge Discovery Interest Group)旨在把VO与KDD(ML、AI)领域联系起来,关注的方面包括可视化、远程数据探索 ...
  • 你是否思考过, PSP项目数据与AI相遇能擦出怎样的火花? 快加入“2019未来杯高校AI挑战赛”, 让你的模型发现下一颗超新星!   ...
    Futurelab、中国青少年发展基金会、网易科技联合主办,中国科学院国家天文台和北京希尔贝壳科技有限公司协办,清华、北大、上交、西交、哈工大等近60家C9、985、211类高校(院系)联合发起的“2019未来杯高校AI ...
    基于这一趋势,“如何运用AI图像技术助力超新星搜索”成为了本次大赛的重要议题。选手们可以在图像赛道,利用海量真实天文数据展开一场充满挑战的探索之旅。   ...
    1.报名及了解相关信息请参照大赛官网: https://ai.futurelab.tv(点击“阅读原文”亦可直达)   2.比赛时间:2019年3月8日到6月中旬   3.关于大赛评委会 ...
    如欲了解更多关于超新星及PSP项目的知识,可以访问网站:http://psp.china-vo.org/   期待与您一起探索AI x 宇宙观测的新方法,你的模型或许就能发现下一颗超新星哦!
  • 机器学习(ML)和人工智能(AI)能否在多信使天文学时代大显身手? 中国虚拟天文台与天文信息学2018年学术年会将于2018年11月21-25日在江西景德镇召开。
    本届学术年会的主题为 “天文学中的机器学习和人工智能(ML and AI in Astronomy)”,将聚焦于机器学习和人工智能技术在天文学中的最新和潜在应用。   ...
  • 机器学习(ML)和人工智能(AI)能否在多信使时代大显身手? 中子星并合艺术想象图,天文学迎来多信使时代。
    年会的主题为 “天文学中的机器学习和人工智能(ML and AI in Astronomy)”,将聚焦于机器学习和人工智能技术在天文学中的最新和潜在应用。
  • 图2:左上方为AI预测的全日面软X射线Al_mesh图;右上方为XRT观测的全日面Al_mesh 图;左下方是两者的相减像,反映预测图与观察图的不同,箭头所指特征为典型的日冕耀斑环;右下方是两者图中像素强度值的相关图 ...
  •  
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