• article-nadc层次聚类算法的天文学应用
    超星系团 超星系团由多个星系团或星系群组成的大质量天体，是宇宙中已知的最大尺度的结构之一。
    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。
    层次聚类方法可以实现小行星族的分类并识别其动力学演化，也可以用于X射线天体光谱分类和系外行星分类。对星系的空间形态的分类结果和人工标注结果大致吻合。
    层次聚类方法和相关矩阵联合使用，可以揭示多元变量间的相关关系。 图5 模拟星系属性之间的相关矩阵聚类热图.红色为正相关, 蓝色为负相关.
    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。
  • metadata基于COLA模拟的快速的模拟星系生成方法
    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。
  • metadata共生星候选体
    此星表的共生双星候选体是用机器学习的方法得到的。
  • article-nadc天文学家基于LAMOST光谱开展双峰轮廓识别与质量评估方法的研究
    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 ...
  • article-nadc天文学家用机器学习挖掘LAMOST、SDSS和Gaia数据宝藏
    近日，国家天文台白宇副研究员、刘继峰研究员基于LAMOST和SDSS数据库，利用机器学习的方法，开发天体分类器和恒星温度回归器，并把天体分类器应用到最新发布的Gaia DR2星表，揭示了Gaia DR2 ...
    近几年，科学技术进步推动的天文数据呈现指数增长,天文大数据时代已经到来。科学家们曾经使用的光谱分类方法，难以应对十亿计的测光巡天数据。
    曾经使用的多色分类方法，也随着颜色的增多而变得非常复杂，无法给出函数表达式，分类准确率低，污染严重。
    然而，二十世纪中叶发展起来的机器学习方法，能够有效的探测多维参数空间中隐藏的规律，帮助天文学家进行决策和预测。它的核心思想是教会计算机通过“经验”，而不是判据，对未知数据进行判断。
    首先，科研人员合并LAMOST和SDSS的光谱分类结果；其次，结合可见光和红外巡天数据，获取这些天体的多色数据库；再次，测试不同的机器学习方法，找出效率最高的算法并开发天体分类器，通过不同巡天数据对分类器进行盲测 ...
  • article-nadc上海天文台在SKA首个科学数据竞赛中获佳绩
    团队首先对所有竞赛数据开展统计分析，了解数据结构，天体群组特征，确定用于数据处理的输入参数范围，进而基于针对SKA不同先导项目而开发的天体搜索算法对图像进行了先期测试，经过对结果的准确度与计算效率的评估 ...
  • article-nadc虚拟天文台荣获天津市科技进步二等奖
    随着现代科技发展，天文观测能力和科学数据量高速增长，现代天文学研究必须要有成体系的天文信息技术与平台支撑，为此天文学界和信息科学界共同提出了“虚拟天文台”计划。
    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。
  • article-nadc国家天文科学数据中心推出星系迷宫全民科学项目
    但21世纪以来天文观测数据量呈爆发式增长，对以千万计的星系样本进行形态分类是一个具有巨大挑战性的任务。
    随着天文观测技术的发展，我们能够观测到的星系数目也在飞速增长。这在为天文学家们提供了进一步研究星系的机会的同时，也对数据处理的效率提出了挑战。
    通过全民科学的方法，该项目以斯隆数字化巡天（SDSS）提供的约一百万个星系图像为基础，仅在开始运行的一年内就收到来自超过15万名志愿者的超五千万条星系分类结果，为大量基于星系进行的天文学研究提供了坚实可靠的数据基础 ...
    点击主页导航栏“教程”按钮，可了解该项目的背景与基本操作方法，在“已知范例”栏目中列出了每个星系类别的多个正反面图例，参与者可对照图例进行判断。
    图5 个人中心 参与项目你将在科学图像中领略宇宙的神奇与美丽，加深对星系这一概念的理解与认识，学习科学研究的方法与思路，亲身参与对前沿奥秘的探索，赢得全民科学项目专属精美纪念品。
  • article-nadc天文观测数据的归档与发布技术培训举行
    随着国内近年来科学观测设备的发展，国产天文数据的增长速度越来越快。对科研人员来说，高效的科研数据管理也越来越复杂。
    学员们认为通过这次技术讲解与实践相结合的培训，熟悉了天文数据的归档流程，天文数据库使用方法，很有助于今后工作中天文数据使用效率的提高。
  • article-nadc国家天文台举办高性能并行计算基础培训
    随着国内外大型天文观测计划的不断涌现，天文数据量的快速增长，在天文研究中越来越广泛地应用并行处理程序。
    崔辰州研究员主持开班仪式   天津大学计算机学院副院长于策副教授为学员讲授了高性能并行计算基础知识，并行计算优化方法等基础知识，并列举了天文数据处理中的许多实际问题。
  • metadata应用于CMOS相机的暗电流建模代码
    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。
  • metadata应用于CMOS相机的暗电流建模代码
    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。
  • 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 ...
  • article-nadc天文学家揭示超大质量黑洞及其宿主星系的演化路径
    对于拥有过小质量的黑洞，低于非活动星系关系的活动星系，它们的演化路径支持近期数值模拟中提出的一种情景：黑洞的增长最初落后于它的宿主星系，但是当恒星质量增大至气体稳定后情况发生反转。
    对于拥有过大质量的黑洞，高于非活动星系关系的活动星系，它们仍能继续增长恒星质量。这一结果与在早型活动星系中探测到活跃的恒星形成活动和丰富气体含量一致。
    ）活动星系核反馈很难有效的影响低于黑洞质量—恒星质量关系的星系，同时动能模式（kinetic-mode）活动星系核反馈似乎不能抑制高于黑洞质量—恒星质量关系的星系长期的恒星质量增长 ...
  • article-nadc研究人员基于LAMOST揭示系外行星轨道偏心率与宿主恒星金属丰度的关系
    系外行星的发现数目在过去20多年显著增长。目前证认的系外行星已经超过5200颗，图1展示了系外行星数目随年份的变化。
    Ford 等人（Ford et al. 2008）提出基于行星凌星的时长，可以从统计上测量一个样本的行星偏心率分布，不过这一方法需要对宿主恒星的密度有精确测量。
    图1：系外行星累计数目随年份的变化，不同颜色代表了不同的探测方法。（图源NASA）。 郭守敬望远镜（LAMOST）拥有数千根光纤，能同时对数千颗恒星进行光谱观测。
    因此，在POET系列的第一篇工作中，研究团队基于LAMOST所提供的精确恒星金属丰度（[Fe/H]），通过凌星时长的方法研究了小质量行星偏心率与恒星金属丰度的关系。
  • article-nadc研究人员提出仙女星系中星团搜寻新方法
    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。
  • article-psp项目简介
    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。
  • article-nadc天文统计学的前世与今生
    太阳物理学、行星物理学等；根据观察波段的不同，又分为光学天文学、射电天文学、紫外天文学、红外天文学、伽马射线天文学、X射线天文学等；根据探测介质的不同，又分为中微子天文学、引力波天文学等，还有许多其他分类方法 ...
    它主要利用统计学及相关学科的原理和方法来处理和分析天文数据，从而限制和促进天体物理理论。天文信息学（Astroinformatics）是一门天文学与信息学、计算机科学、高性能计算等学科交叉的学科。
    大型巡天时代的到来，如：SDSS、LAMOST、GAIA、WISE等，天文数据呈井喷式增长，天文学的大数据时代来临。
    图2：致力于发展天文统计学与天文信息学的科学家们 许多天文学研究局限于一系列熟悉的统计方法，或者对一些统计方法的滥用。
    统计学指导科学家计算什么，信息学帮助科学家怎么计算，如计算密集型天文学、数据挖掘、多元回归与分类、机器学习、蒙特卡罗方法、有效算法等。
  • article-nadc天文学家通过计算机重构鲸鱼座星流形成历史
    银河系通过不断的吞食小质量的卫星星系来增长，科学家们称这种过程为星系并合。通过对银河系并合历史的研究，人们就可以知道银河系是如何形成和演化的。
    “这种吞食过程对银河系的增长非常重要，我们可以通过研究星流来确定银河系历史上是如何吃掉一个个卫星星系，并长成现在这个大质量星系的”。
  • article-nadc崔辰州博士受聘Astronomy and Computing编委
    A&C编委会页面节选 A&C期刊首发于2013年，为SCI正式收录期刊，2020年影响因子为1.927，已经成为国际天文信息学领域的核心期刊，在整个天体物理学领域的影响力也在持续快速增长 ...
    •  
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