• 数以百万计的小行星、相机噪点、鬼影、宇宙射线等等都会被误以为是可疑目标。很多时候,计算机的判断能力远远不如人。这就需要一双眼睛来给计算机帮忙,人机结合,效率更高。
    </p> <p>PSP的前身,星明天文台超新星小行星搜索计划(SASP),自2010年开始运行以来,已经独立最先发现超新星30颗左右,有一批勤奋、认真、严谨的爱好先后参与此项目并发现过属于自己的超新星 ...
    </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 ...
  • 2018年4月25日,GAIA项目正式向全世界发布了第二期数据,引起国际天文学界的广泛关注,其中包含超过16.9亿颗恒星的位置及亮度信息、13.3亿颗恒星的视差和自行数据、约13.8亿颗恒星的颜色、超过七百万颗恒星的视向速度 ...
    国内外的青年天文学在做课题汇报   中国虚拟天文台团队为此次冲刺班提供了全程数据支持。团队专设一台服务器为冲刺班提供GAIA DR2、LAMOST DR5全部数据的下载服务。
  • 天文研究的工作也在走出疫情的影响。
    图1 预印本网站arXiv上每年提交的天文学论文总数 我们还统计了第一作者的国别,可以看到美国研究贡献了超过五分之一的天文学论文,中国研究以超过十分之一的占比位于第二,英国、德国、意大利等国的文章数比较接近 ...
    如果我们考察相关论文数的和去年的差值,可以得到变化最大的关键字排名: black hole, 增加 100篇 Bayes factor, 增加 74篇 stellar mass, 增加 72篇 ...
    core mass, 增加 46篇 binary system, 增加 45篇 star formation, 减少 74篇 magnetic field, 减少 49 篇 kinetic ...
    值得一提的是,2023年6月,多个国际研究团队发表了一系列论文,宣布利用脉冲星计时阵(PTA)找到了纳赫兹引力波存在的证据,引起了广泛关注
  • 可前往http://wwt.china-vo.org/ 点击页面右侧的软件下载链接下载软件   作为数据驱动的天文科普教育的典范之作,万维望远镜平台在国内外的用户持续增加,影响力不断扩大。
    尤其在2018年2月,中国虚拟天文台正式发布万维望远镜个人版之后,得益于团队在语言汉化、界面优化、互动性增强、数据丰富等方面做出的努力,该平台在国内天文科普教育领域得到了更多的关注,也广受好评。
    除此之外,新版万维望远镜平台还接入很多明星数据集,包括盖亚天文卫星第二次数据发布的巡天数据、曾引起全世界媒体关注的新视野号拍摄的冥王星及其卫星表面图景、我国主导的北京-亚利桑那巡天(BASS)数据集等等 ...
    一次性接入数据最多,天文数据大爆发 万维望远镜平台的独特之处,是通过先进的数据可视化技术,提供了一种便捷有效的方式,将过去只有专业天文学研究才能够接触到的观测数据开放给所有人,尤其是天文教育工作者和爱好 ...
    新版万维望远镜启动界面   对接国际标准,实现数据直通   能够一次性接入如此多的数据集,增加海量新数据,最关键的一点在于中国虚拟天文台团队实现了万维望远镜平台对虚拟天文台HiPS标准这一国际通用的天文数据标准的支持 ...
  • 百万天体在现代天文观测数量上并不算多。目前在中国虚拟天文台主节点上包括郭守敬望远镜(LAMOST)观测数据在内,就有十亿天体的总体量。
    但是一百万天体到了天文学家手里,仍然是一个相对庞大的工作量。这一百万天体杂乱无章,有恒星、类星体,还有星系或星云,不同的研究方向就只会专注于其中一种天体。
    所以拿到一百万天体,天文学家要做光谱分类。不同天体的光谱是由其组成成分和物理环境双重的差异共同造成的,可以说是独一无二的。
    参赛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。
    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,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。
  • 星系迷宫项目旨在让公众以最小的学习成本、结合直观的互动操作、基于全新设计的星系分类决策树对百万甚至千万量级的星系图像进行图像分类。
    一方面,参与将在过程中更深入地了解星系形态的相关知识;另一方面,分类结果可以帮助科学家更有针对性地研究星系形态与其本征物理性质的联系。
    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 ...
    亮星系巡天关注的是DESI中较亮的星系。
    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,参与可对照图例进行判断。
  • 但天文学家仍希望借助更好的巡天望远镜来获得更多、更高质量的观测数据,从而解决之前遗留下来的科学难题,其中薇拉·鲁宾天文台的时空遗珍巡天(LSST)和载人空间站工程巡天空间望远镜(CSST)就是在建大型巡天望远镜中的佼佼
    2010年,最初的计算机需求估计为100 teraflops的计算能力和15 PB的存储,随着项目收集数据而增加,到2018年估计已上升到250 teraflops和100 PB的存储空间。
    望远镜配备有库克型离轴三反射光学系统,还增加了一个折转镜便于实现不同光学载荷之间的切换、调焦和精密稳像等功能。
    在这样的观测深度上,研究可以在每个平方角分看到30个左右的星系。在整个巡天周期里,巡天模块将会覆盖17500平方度的天区,占整个天空面积的40%。
  • 为了让更多人可以参与到新天体发现中来,也为了真实目标不至于淹没在繁浩的数据之中,高兴老师将每人每小时可提交的可疑图像数量增加至10张。
    不可避免地,参与提交的可疑图像数量也随之增加,管理员查验渐渐显得力不从心,后台可疑图像出现积压的情况。
    2021年8月,收获的时光再次到来,中国虚拟天文台与星明天文台又一次共同颁发PSP奖项,8位参与获得2020年第四季度发现奖、3位参与获得2020~2021年度新人奖、7位参与获得2020~2021 ...
    四、发现奖颁发条件由原“项目中参与”调整为“项目中参与(非管理员)”。
    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——公众超新星搜寻项目等待你的加入!
  • 本次会议的主题不仅在与会的发言与讨论中体现,会场中的各种细节也处处体现了大会所倡导的精神。 会议的各种细节都处处体现着会议主题:会议注册时,可以标记自己的性别代词、沟通意愿以及是否愿意被拍照。
    每个参会的胸牌正反面都印有盲文,楼道的地图上也印有盲文。会议为失明、失聪等人员设置了辅助人员,在会场还可以看到正在工作的导盲犬。    ...
    标记是否愿意被拍照 印有盲文的地图                                                                      正在工作的两位听写记录                                ...
    她给在场的参会打气,“因为告诉别人要怎么做,总会得罪人。但是很多时候做一个好人并不解决问题。” ...
    过去110年日本天文学会女性会员数量变化情况 同时报告人还关注了LGBTQ群体的需求。Yuko Motizuki认为提高女性领导人的比例及其参与决策的程度可以有效改善这些问题。
  • AllWISE数据综合WISE低温和后低温探测阶段的数据,形成了目前可用的中红外天空的最全面视图。AllWISE制作了一个新的源星表和图像图谱,与早期的WISE数据发布相比,其灵敏度和准确性都有所提高,包括测光数据和天测量数据。它包含了在AllWISE暗场图像集上探测到的747,634,026个天体的天体测量和星等测量,每个源的位置、星等、天体测量和光度不确定性、象征源特征的可靠性和质量的标号,以及与2MASS点和扩展源星表的关联都包括在内。一般情况下AllWISE的数据优于All Sky的数据,少数情况下All Sky的数据优于 AllWISE的数据。
  • SAGES设计的恒星参数敏感的紫外滤光片使我们能够利用测光手段测量贫至-3.5 dex的金属丰度,由此获得了超过五百万贫金属星([Fe/H] ≤ -1.0)和将近一百万极度贫金属星([Fe/H] ≤ - ...
  • 如果您正在或计划从事天文信息技术相关的研究,欢迎加入到这些工作组和兴趣组的工作和讨论中来,学习国际同行的先进经验,分享自己的工作成果。
    资源注册工作组(Resource Registry Working Group) 为用户和应用程序提供发现和选择特定科学问题相关资源(通常是数据和服务)的机制,将数据发布和数据用户联系在一起。
    语义工作组关注天文学背景下的词语、句子或其他语言形式的意义或解释。这包括对天体物理目标、数据类型、概念、事件或天文学中任何现象的标准描述。
    参与定义机器学习相关的新的数据保存和交换模式;给VO服务增加或完善机器学习能力;协调和统一对数据可视化功能的访问;参与有关科学发现工作流程的讨论等。
    运行兴趣组(Operations Interest Group) 关注于全球VO资源与服务系统的稳定和高质量运行。
  • 该工作利用LAMOST数百万颗恒星,基于精确测量的多波段消光得到了追踪星际尘埃性质的关键参量,这为理解不同星际环境中尘埃的特性及其演化提供了新的视角,为实现精确的消光校正也具有重要意义。
    研究发现Rv的总体分布很好地符合高斯分布,其均值为3.25,标准差为0.25。银盘内Rv的空间变化印证了此前已经发现的跨越千秒差距的大尺度结构,同时最新揭示了单个分子云内的小尺度结构。
    灰色等值线显示的是Planck等(2016)的经过平滑处理后的CO图,用于示踪分子云,随着强度的增加,等值线变得越来越粗(从灰色虚线到黑色实线)。白色区域为未观测到或不可靠的区域。
  • 4.关于其他赛道: 本届大赛语音赛道围绕当下备受关注的智能家居、语音助手等应用场景设计赛题,开展说话人识别相关领域的比赛。   ...
    观察在PSP系统中通过看图搜索,排除数以百万计的小行星、相机噪点、鬼影、宇宙射线等干扰项,最终将发现的可疑目标上报。
  • 该比赛旨在响应全民科学素质行动计划纲要号召,倡导数据驱动的科普教育理念,推进科技资源开放共享,传播科学知识;并通过万维望远镜宇宙漫游的设计、制作,激发参赛的科学兴趣,提高科技创新和实践能力,培养团队合作精神 ...
    前三届比赛佳作不断,参赛灵活运用平台中的特色功能及海量的天文大数据资源,以独特新颖的形式,表达出了对天文学的理解与热爱。随着万维望远镜平台数据的不断增加,用户的灵感也从中得到了启发。
    为了鼓励参赛更充分地使用万维望远镜中的海量数据,本届大赛作品主题建议围绕但不限于以下几个方面:   1、国家使命。
    了解更多可访问大赛官方网站(http://wwt.china-vo.org/tours2019/),或关注微信公众号“虚拟天文台”。  ...
  • 星系马戏团项目将引入人工智能技术,通过与公众互动,参与无需深入学习专业知识便可直接操作来筛选星系图像中的异常天体。
    这不仅有助于参与直观地了解星系的形态,还能够帮助科学家快速发现宇宙中的异常现象。
    星系迷宫项目旨在让公众以最小的学习成本、结合直观的互动操作、基于全新设计的星系分类决策树对百万甚至千万量级的星系图像进行图像分类。
    引力透镜搜寻项目(LensFinder) LENSFINDER引力透镜搜寻项目于2023年初上线,一经推出就受到了天文爱好们的关注
    这个看似简单的“找不同”游戏,让公众有机会深入参与天文发现,一部分参与甚至还为科学发现提供了有力的支持。
  • 球状星团是数量可达百万量级的恒星密集聚集的天体,有长达百亿年的演化年龄。作为证据之一,球状星团中发现的脉冲星绝大部分是自转周期短于30毫秒的毫秒脉冲星,观测证据表明它们曾经经历过吸积加速的过程。
    在近4年中,发现的球状星团脉冲星已超过30颗,将FAST天区内的球状星团脉冲星增加了将近一倍。
    图3:观测和信号筛选方法示例;每一个子图都标注了脉冲星名称或RFI。
    因为在观测中移动望远镜指向的原因,具有空间特征的信号在观测中消失又出现,即途中间断的竖线;而较弱的脉冲星,如M15G或RFI则无此特征。    ...
  • 通过LAMOST巡天光谱大数据,研究人员测定出了数百万恒星(包括矮星、亚巨星、巨星等)的钡元素丰度,相对于国际上的其他光谱巡天,这是一个非常独特的元素丰度样本。
    研究团队在LAMOST数据中发现了一批高温富钡矮星(温度大于6700 K),这些矮星主要是中等质量的恒星(大于1.4倍太阳质量),它们辐射压较大,与引力的抗衡最终导致恒星内部元素迁移,从而产生了钡元素含量增加的现象 ...
    研究发现,这些富钡恒星的形成机制主要有两种:一是恒星内部元素的搬运过程导致了钡元素含量增加;二是双星演化过程中的物质交换引起了钡元素含量增加
    基于AGB阶段恒星增丰模型,研究人员认为这一效应可能与小质量(约1.3倍太阳质量)的AGB阶段恒星表面的钡元素丰度值随金属丰度的增加明显降低有关。
  • 类星体的能量来源于中心几百万到上百亿倍太阳质量的超大质量黑洞的吸积。当中心超大质量黑洞周围有着丰富的气体时,部分气体会被黑洞的强引力所吸引,形成围绕黑洞的吸积盘并最终被黑洞吞噬。
    LAMOST类星体巡天项目不仅增加了已知类星体的数目,而且还为研究类星体光谱变化、发现特殊类星体等研究工作提供了丰富的光谱数据。
    2018年北京大学吴学兵团队杨倩等人利用LAMOST巡天数据和SDSS数据等,发现了21个新的“变脸”类星体,使当时这类特殊类星体的数目增加了一倍,为研究活动星系核演化提供了更大的样本 ...
  • 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 ...
    、机器学习技术、统计方法、工作流程编排和多态数据访问等,具体工作包括:定义机器学习相关的新的数据保存和交换模式;为VO服务增加或完善机器学习能力;协调和统一对数据可视化功能的访问;参与有关科学发现工作流程的讨论等 ...
  •  
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