• article-nadc脉冲星信号测时和消干扰研究获进展
    近期，新疆天文台行星科学研究团组副研究员单昊利用2011-2014年南山射电天文望远镜的部分观测数据，使用最大似然类非线性鲁棒估计器，结合快速优化算法，进行了RFI消干扰、脉冲星测时的初步研究。
    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 ...
  • article-nadc国家天文科学数据中心大湾区分中心联合科研团队证认千余个新疏散星团
    研究团队利用了高效的机器学习算法和并行超级计算技术，对数据进行了处理和筛选，首先对全天区Gaia数据源按银经、银纬和视差使用生成树算法进行3维网格切片得到8596个数据网格，然后在每个数据网格采用了FoF ...
    、HDBSCAN自动聚类算法并进行递归合并，结合RF随机森林分类算法等识别出候选星团，接着采用最小二乘法对有清晰主序的星团进行等时线拟合准确推断出星团的关键参数通过交叉匹配和人工目视检查后最终从约1万个银盘疏散星团候选体证认出 ...
  • article-nadc巨型通信卫星BlueWalker 3引发天文学家担忧
    国家天文科学数据中心（NADC）作为贡献成员（contributing member）之一，将在算法研究、天空可视化模拟、数据资源支持等方面积极参与该中心工作，为全人类暗静天空保护事业做出贡献。
  • article-nadc研究人员利用LAMOST数据构建高精度恒星质量参数库
    利用LAMOST DR8光谱数据和大型时域测光巡天项目提供的测光数据，研究人员采用马尔科夫链蒙特卡洛算法（MCMC）拟合PHOEBE模型，首次批量获取了56颗分离食双星的完整参数。
  • 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。
    图2 左图为花树算法在超星系团A2029附近天区探测到的星系团/群的空间分布. 疏散星团 疏散星团诞生于分子云中，形态很不规则，在外围成员认定中存在一定困难。
    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。
  • article-nadc紫台利用13.7米毫米波望远镜和FAST的观测数据在大质量恒星形成研究中取得系列进展
    近期，紫金山天文台、国家天文台、三峡大学、湖南文理学院等合作团队结合FAST HI谱线数据与紫金山天文台青海观测站13.7 m毫米波望远镜分子谱线数据，利用团队自主开发的新基线校准算法，在大质量恒星形成研究中取得系列进展 ...
    HI星风的研究对谱线基线有严苛的要求，为了探测HI星风，研究团队开发了一种新的基线校准算法—FFTEEC，该算法能够最大限度地降低基线噪声，使最终得到的谱线灵敏度接近理论水平(1.8&ndash ...
    该算法使得FAST的高灵敏度优势得以充分发挥，使FAST成为探测HI星风的利器。
    系列论文的第一作者分别为紫台特别研究助理李英杰（HINSA和HI星风）以及紫台博士研究生刘德剑（基线校准算法和分子外向流）。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。
    10.3847/2041-8213/ac7b7c HI星风研究发表在ApJ上：https://iopscience.iop.org/article/10.3847/1538-4357/ac815a 基线校准算法研究发表在 ...
  • article-nadc北大天文团队发现近200个新的银道面背景类星体
    为了应对这种类星体选源中的数据集偏移问题，北京大学傅煜铭博士和吴学兵教授所在团队构建了一种基于迁移学习的银道面背景类星体选源方法，通过模拟的方式减小训练数据与测试数据在天体特征分布上的差异，进而可以利用机器学习算法训练分类模型 ...
  • article-nadcNADC参与建设IAU暗静天空保护中心
    国家天文科学数据中心（NADC）作为参建单位之一，将在算法研究、天空可视化模拟、数据资源支持等方面积极参与，为全人类暗静天空保护事业做出贡献。 NADC团队为万维望远镜开发了星链卫星星座模拟功能。
  • article-nadc天文统计学的前世与今生
    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媒体资源
    这样的00后情侣，酸了酸了》 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 ...
  • article-nadc软件工具
    MATLAB MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境 网址： http://www.mathworks.com ...
    它支持FITS图像和二进制表读取、多帧缓冲区、区域操作以及多尺度算法和色彩表。
    网址： http://www.numpy.org/ 1.2 SciPy SciPy是一个开源的Python算法库和数学工具包。
    提供了各种方法浏览和分析数据表，包括浏览核心数据、表的原始信息和列的元数据、以及画图工具、统计计算、不同星表匹配算法。
  • article-nadc研究人员利用LAMOST数据搜寻并分析激变变星及其光谱特征
    侯文等人从LAMOST DR5低分辨率恒星光谱中利用排序算法结合随机森林方法，基于激变变星光谱特征搜寻得到245个激变变星，其中67个为最新发现的激变变星。
  • article-nadc天文学家基于LAMOST数据回归Gaia DR2中恒星的消光
    近期，利用机器学习算法，国家天文台白宇副研究员、刘继峰研究员等利用LAMOST光谱数据，给出了Gaia DR2数据中1.3亿颗恒星的星际消光，研究成果已经被《天文学杂志》（AJ）接收并即将发表。
  • article-nadc天文学家用机器学习挖掘LAMOST、SDSS和Gaia数据宝藏
    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“一对一”天文派对，天文圈和IT界跨界联合搞大事！
    在阿里巴巴各事业部和天文派内部招募了近50名对天文有热情的各路 IT 高手，希望和天文科研工作者们结成“一对一”的合作伙伴关系，深入参与到天文科研课题中，帮忙解决算法和开发方面的技术难题。
  • 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！
    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。
    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
    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。
  • article-nadc国家天文科学数据中心承办的Python in Astronomy 2023 高级研修班开放报名
    而且Python语言自身的发展也在加速，不管是从算法还是语言性能，与前些年相比都有了较大的进步。
  • article-nadc国家天文科学数据中心首次发布机器学习数据集
    天文数据标准化程度较高、复杂性强，非常适合开展算法模型研究。近年来，国家天文科学数据中心充分挖掘天文数据潜力，积极推动科学数据在其他行业中的应用，同时促进天文领域中机器学习算法的研究。
    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。
    中心为大赛提供了LAMOST DR4数据集中近100万个天体的光谱数据制成的机器学习数据集，选手们需利用高效、高准确率的自动化算法，将天体分成恒星（star）、星系（galaxy）和类星体（QSO）三类 ...
    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。
    未来，中心计划针对更多的天文研究方向建设并发布高质量机器学习开放数据集，让更多人有机会使用天文数据开展算法研究与实践。
  • article-nadcLAMOST助力天文学家发现宇宙中金属含量最低的球状星团遗迹
    研究人员利用盖亚空间望远镜（Gaia）收集的恒星位置和运动的详细数据，并采用一种新颖的算法将协同运动的恒星群分离出来。其中一个被称为“C-19”的新候选星流被发现。
    •  
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