基于图像的天体搜索研究与自动化集成软件开发

天体搜索是天文数据处理流程的一个重要环节,也是以平方公里阵列射电望远镜(Square Kilometre Array, SKA)为代表的下一代射电望远镜在面向海量数据处理中的挑战之一.现今天体自动搜索算法、软件已日趋成熟并投入应用,不过在自动化、兼容性等方面仍具有提升空间.以更自动化、更适应海量数据需求的天体搜索算法研究为宗旨,以现有算法为研究基础,天体自动搜索软件系统得到设计和开发.该系统包含友好的交互式用户操作界面,具备可视化输出数据显示、兼容不同数据输入和输出并包含为实际应用服务的文件管理功能.该系统对于大天区图以及图像集,均能够很好地进行自动化处理.测试结果显示,上述方法对于天体搜索的改进有一定成效.后续将在此基础上对该集成系统做进一步的改进开发,以适应更多的需求.     

国家重点研发计划“SKA前期数据处理系统建设和相关科学预研”简介

在继承平方公里阵列(Square Kilometre Array,SKA)望远镜的中国低频探路者——"宇宙第一缕曙光"探测项目21CMA在十年间所积累的经验和广泛国际合作的基础上,计划小规模改造现有设备,迅速掌握数字多波束合成、高动态大视场成像、前景去除等SKA低频成像的关键核心技术。同时,与SKA低频阵(SKA-low)先导设备MWA(Murchison Widefield Array)开展深层次合作,预选未来用于SKA1-low宇宙再电离深度成像的观测候选区域,为最终利用SKA第一阶段(SKA1)低频阵列,对选定观测候选区域进行深度定点观测做好充分准备,最终实现SKA1既定的首要科学目标。该项目还将建设中国SKA区域中心数据处理原型样机,并以21CMA和MWA实测数据为基础,完成低频射电干涉成像的数据处理流程,为建设中国SKA区域数据中心打下基础。     

VLA观测和Observe软件

Observe是用于制订甚大阵 (theVeryLargeArray ,VLA)观测文件的软件。随着中国科学院创新工程的全面推进 ,利用VLA进行观测研究的中国天文学家逐渐增多 ,Observe软件的使用也日益广泛。简要介绍了Observe的主要功能和应用 ;并结合 2 0 0 0年 12月的观测文件 (AH72 1)的制订过程 ,给出了注意事项 ,供今后的VLA观测者参考     

甘肃小柳沟钨多金属矿地质特征及成矿模式

小柳沟钨多金属矿于 90年代初发现 ,目前已具大型、超大型规模。共有 4个矿床。成矿主要与长城系朱龙关群和隐伏花岗岩有关。该矿床成矿物质来源具双重性 ,成矿温度为中高温 ,成矿流体为中等盐度 ,同位素计算模式年龄确定其成矿于加里东期。矿床成因属于火山喷发沉积—岩浆热液改造矿床。     

甘肃新金厂金矿床控矿构造特征(摘要)

新金厂金矿床位于甘肃西部安西县境内，其大地构造位置处于塔里木—中朝板块（Ⅰ）北山陆缘活动区（Ⅱ）柳园—俞井子裂谷带（Ⅲ）内。裂谷带呈近ＥＷ向分布于柳园—俞井子一带，其南北两侧为前晋宁古地块。本区发育一组和柳园—俞井子裂谷带展布一致的近ＥＷ向断裂。自Ｎ...     

基于GNSS差分定位的天气雷达坐标精确定位研究

天气雷达天线馈源的精确定位关系到雷达数据的精确使用和天气雷达全网拼图的使用效果.目前,国内新一代天气雷达天线馈源坐标基本都是使用GNSS(GLobal Navigation Satellite System)系统中的美国GPS(Global Position System)系统接收机,在雷达塔楼楼顶单点瞬时定位测量得到的,误差一般大于30 m.为了提高定位精度,将GPS精确定位技术与全站仪测量相对高度结合起来,提出了一种测量天气雷达的馈源坐标的方法,可使天线馈源的海拔高度测量精度达到10 m以内.使用这种方法对北京市气象局S波段新一代天气雷达天线馈源坐标进行了实地测量,精度达到设计要求.     

uv-faceting成像并行算法研究

uv-faceting成像是目前广泛使用的大视场成像技术之一,将被考虑应用于平方公里阵列(Square Kilometre Array, SKA)第1阶段(简称SKA1)低频阵列的数据处理当中.由于SKA1产生的原始数据规模空前巨大,直接使用uv-faceting成像进行数据处理效率将会非常低.为此,提出了基于MPI (Message Passing Interface)+OpenMP (Open MultiProcessing)的uv-faceting成像算法和基于MPI+CUDA (Compute Uni?ed Device Architecture)的uv-facteing成像算法,对该算法中最耗时的数据读取和栅格化(gridding)这两个步骤进行并行优化.验证性结果显示提出的两种算法得到的结果与当前主流的数据处理软件(Common Astronomy Software Applications, CASA)得到的结果基本相同,表明提出的两种算法基本正确.对准确率和总运行时间的分析表明,无论在正确率还是运行速度上MPI+CUDA的方法比MPI+OpenMP的方法更优.性能测试结果表明提出的算法有效且具有一定的可拓展性.     

EGRET活动星系核的VLBI观测研究

EGRET空间望远镜已检测到66颗高置信度的γ射线活动星系核，这些活动星系核都是射电强的，具有很高的光度，迅速的光学变化，有相当的比例是视超光速源，对γ射线 活动星系核的研究是目前世界上最活跃的前沿课题之一，为了完备EGRET活动是系统核的射电观测图像样本，以便进行更可信的统计研究，对一些缺少射电图像观测的EGRET活动量的核进行了多历元的VLBI和VLA的观测研究，得到了它们的射电结构图像。     

基于深层残差网络的脉冲星候选体分类方法研究

随着下一代射电天文望远镜的不断改进和发展,脉冲星巡天观测将发现数百万个脉冲星候选体,这给脉冲星的识别和新脉冲星的发现带来了巨大挑战,迅速发展的人工智能技术可用于脉冲星识别.使用Parkes望远镜的脉冲星数据集(The High Time Resolution Universe Survey,HTRUS),设计了一个14层深的残差网络(Residual Network,ResNet)进行脉冲星候选体分类.在HTRUS数据样本中,存在非脉冲星候选体(负样本)的数目远远大于脉冲星候选体(正样本)数目的样本非均衡问题,容易产生模型误判.通过使用过采样技术对训练集中的正样本进行数据增强,并调整正负样本的比例,解决了正负样本非均衡问题.训练过程中,使用5折交叉验证来调节超参数,最终构建出模型.测试结果表明,该模型能够取得较高的精确度(Precision)和召回率(Recall),分别为98%和100%,F1分数(F1-score)能够达到99%,每个样本检测完成只需要7 ms,为未来脉冲星大数据分析提供了一个可行的办法.