LAMOST低分辨率光谱仪体位相全息光栅的参数测量

对LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope) 16台低分辨率光谱仪共34块体位相全息光栅(VPHG)的参数进行了系统测试,给出了测试方法和测量结果,测量参数包括光栅的刻线密度、闪耀角、衍射效率曲线以及闪耀角偏差对衍射效率的影响等,测量的数据为LAMOST光谱仪的安装提供了依据.     

LAMOST控制系统实时分布式数据库

介绍国家“九五”重大科学工程项目“大天区面积多目标光纤光谱天文望远镜(LAMOST)”中基于QNX(Quick UNIX)操作系统的实时分布式数据库的研究情况。此项研制已通过2002年7月2日由LAMOST工程指挥部组织的北京、南京和合肥三地专家的评审，并得到好评。该数据库功能强、工具丰富、操作方便，在类UNIX操作系统下实现了Windows的界面风格，可以满足LAMOST控制系统数据在线(或离线)处理、存储、程序生成表格和图形等需要，也可推广应用到其它相关领域。     

一种基于二维算法的新颖的多目标光纤光谱数据处理流程

郭守敬望远镜(Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST)、斯隆数字巡天(Sloan Digital Sky Survey,SDSS)、英澳望远镜(AngloAustralia Telescope,AAT)等大多数多目标光纤光谱望远镜现用的数据处理流程都是基于一维算法的.以LAMOST为例提出多目标光纤光谱数据处理流程方法.在LAMOST现用数据处理流程中,在预处理过程之后,通过基于一维模型的抽谱算法从二维观测目标光谱数据中得到一维抽谱结果作为中间数据.后续的处理步骤都基于一维模型的算法.然而,这种数据处理流程不符合观测光谱的形成机理.因此,在每个步骤中都引入了不可忽略的误差.为了解决这一问题,提出了一种还未被用于LAMOST及其他望远镜数据处理系统的新颖的数据处理流程.重新设计安排了各个数据处理模块的顺序,各关键步骤算法都是基于二维模型的.核心算法将详细论述.此外,列出了部分实验结果来证明二维算法的有效性和优越性.     

一种新的基于2维傅里叶谱图像的恒星光谱特征提取方法和深度网络分类应用

天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义.     

一句话新闻

2008年9月27日夜,LAMOST在调试中一次观测得到1000余条天体的光谱开始,到至今的调试观测中,LAMOST都不断地获得每次约2000多天体的光谱。用于调试观测的天体一般是亮于17等,光谱是在无云观测夜曝光至少5分钟后获得的。与国际上迄今最多一次观测只能得到600多条天体的光谱相比,LAMOST已经成为世界上光谱观测获取率最高的望远镜。     

一种基于主分量分析的减天光方法

天光是天体观测中的一种重要噪声源.减天光问题是制约多目标光纤光谱观测深度的重要因素.主分量分析(PCA)是统计学的一种分析方法,它可以用来寻找各个天光谱之间的关系,以进一步获得目标光谱中含有的天光成分.为了研究LAMOST的减天光方法,用SDSS的一组原始观测数据进行了仿真实验,实验结果表明,采用PCA方法比SDSS处理程序能够更有效地减天光.最后对PCA方法在LAMOST中的应用前景进行了展望.     

A catalog of DB white dwarfs from the LAMOST DR5 and construction of templates

In this study, we employ machine learning to build a catalog of DB white dwarfs(DBWDs) from the LAMOST Data Release(DR) 5. Using known DBs from SDSS DR14, we selected samples of highquality DB spectra from the LAMOST database and applied them to train the machine learning process.Following the recognition procedure, we chose 351 DB spectra of 287 objects, 53 of which were new identifications. We then utilized all the DBWD spectra from both SDSS DR14 and LAMOST DR5 to construct DB templates for LAMOST 1 D pipeline reductions. Finally, by applying DB parameter models provided by D. Koester and the distance from Gaia DR2, we calculated the effective temperatures, surface gravities and distributions of the 3 D locations and velocities of all DBWDs.     

Fault Diagnosis of the LAMOST Fiber Positioner Based on a Long Short-term Memory (LSTM) Deep Neural Network

The Large Sky Area Multi-Object Fiber Spectroscopic Telescope(LAMOST) has been in normal operation for more than 10 yr, and routine maintenance is performed on the fiber positioner every summer. The positioning accuracy of the fiber positioner directly affects the observation performance of LAMOST, and incorrect fiber positioner positioning accuracy will not only increase the interference probability of adjacent fiber positioners but also reduces the observation efficiency of LAMOST. At present,...     

Calculations for the Pre-Calibration of LAMOST Active Optics

Large Sky Area Multi-Object Fibre Spectroscopic Telescope (L AMOST) is one of the major on-going national large scientific projects in China. Active optics is a key technology for the LAMOST with which the thin-mirror active optics and segmented-mirror active optics are tied in. A pre-calibration method considering all active forces and displacements specially for LAMOST has been developed in early 2004. We give a detailed mathematical derivation and calculation including numerical simulation and computer program realization of the pre-calibration method of LAMOST open-loop control for the third-order as-pherical aberration. We have also carried out calculations on the application of the pre-calibration method and the parameters of actuator design in LAMOST active optics in observation mode, including estimations of the actuator ranges, the interval of active optics correction and the ranges and trends of load changes on all the actuators during LAMOST tracking a given star.     

LAMOST异构环境信息检索系统的设计与实现

环境信息是大天区面积多目标光纤光谱望远镜(the Large Sky Area Multi-Object Fiber Spectroscopic Telescope,LAMOST,又叫郭守敬望远镜)运行状态的一部分,用于辅助望远镜的日常维护、观测以及后期数据处理.环境信息来源于多个子系统,而子系统的数据存储由不同单位设...     

利用LAMOST和Gaia数据发现24颗晚型高速星

近日,中国科学院大学天文与空间科学学院杜翠花研究小组和美国RPI的海迪·霍·纽伯格(Heidi Jo Newberg)等人利用国家天文台LAMOST和Gaia空间天体测量卫星的观测数据,在近邻晕中发现了24颗晚型(温度4000~6300K)高速星,其中6颗属于超高速星。研究结果发表于国际知名天文期刊《天体物理学报通信》。     

LAMOST观测控制系统用户界面设计

位于国家天文台兴隆观测基地的大天区面积多目标光纤光谱天文望远镜(LAMOST)是世界上最大的、可操控的反射施密特望远镜。为了便于控制望远镜,提高观测效率,设计了观测控制系统图形用户界面。首先分析了LAMOST望远镜的控制软件体系结构,采用基于场景的以用户为中心的设计方法,对界面进行了分析和设计。使用Qt、CORBA、多线程技术和MVC模式,实现了用户界面,并对界面进行了测试。最后,用户界面得到了用户的认可,成功应用于LAMOST观测。     

The Mg Ⅱ absorption line systems in quasar spectra from the Large Sky Area Multi-Object Fiber Spectroscopic Telescope

Making use of quasar spectra from LAMOST,in the spectral data around the Mg Ⅱ emission lines,research described in this paper has detected 217 Mg Ⅱ narrow absorption lines(NALs) with W_r ~(λ2796)≥3σ_w and W_r~(λ2803)≥ 2σ_w in a redshift range of 0.4554≤z_(abs)≤2.1110.For quasars observed by both LAMOST and SDSS,we find that 135 Mg Ⅱ NALs were obviously observed in the LAMOST spectra,347 Mg Ⅱ NALs were were apparent in the SDSS spectra,and 132 Mg Ⅱ NALs were clearly present in both the SDSS and LAMOST spectra.The missed Mg Ⅱ NALs are likely ascribed to low signal-to-noise ratios of corresponding spectra.Among the Mg 11 NALs obviously observed in SDSS or LAMOST spectra,eight Mg 11 NALs were significantly changed with |ΔW_r ~(λ2796)|≥3σ_w in time intervals of ΔMJD/(1+z_(em))=359-2819 d.     

基于数据仓库的星系光谱分类

大天区面积多目标光纤光谱天文望远镜(LAMOST)将被建成,会产生大量的星系光谱数据。根据天文数据的积累过程,我们设计基于数据仓库的星系光谱分类系统。文章首先介绍了星系光谱的特征,数据仓库的特点,在此基础上描述了建立基于数据仓库的星系光谱自动分类系统的步骤,并给出对该系统进行测试的结果。     

专家识谱平台的设计与实现

在利用LAMOST巡天数据进行特殊天体搜寻或样本构建,以及在处理LAMOST不断累积的低信噪比光谱时,通常需要耗费大量的时间完成人工识谱。针对这样的问题,设计并实现了一套专家识谱平台。该平台是集光谱可视化、光谱分析、多波段图像融合、多种数据挖掘算法等功能于一体的科学与科普教研平台。利用该平台,天文学家进行天体搜寻、样本构建等科学研究将变得相对容易;通过该平台,高校教师可以开展各种有天文特色的教研活动;借助群体力量,该平台将逐步消化LAMOST不断积累的未知光谱数据。     

低分辨率恒星光谱的[α/Fe]估计方法研究

研究了低分辨率恒星光谱的[α/Fe]估计问题.所给方案包括以下3个步骤:首先,使用Haar小波对原始光谱进行四级分解,去除高频成分,以抑制高频噪声干扰;然后,基于光谱数据成分与[α/Fe]的相关性和LASSO(Least Absolute Shrinkage and Selection Operator)算法选择光谱特征;最后,基于MARCS恒星光谱库和多元线性回归方法对[α/Fe]进行测量.并使用ELODIE、SDSS(Sloan Digital Sky Survey)、LAMOST(Large Sky Area Multi-Object Fibre Spectroscopic Telescope)和4个星团的低分辨率恒星光谱数据验证了方法的有效性.在317个ELODIE光谱样本、412个SDSS光谱样本和1276个LAMOST光谱样本(信噪比SNRG大于20)上的(系统偏差,精度)分别为(0.04dex,0.064 dex)、(0.16 dex,0.065 dex)和(0.05 dex,0.062 dex).在球状星团M13、M15以及疏散星团NGC2420、M67上的估计结果与文献值基本一致.     

LAMOST Medium-Resolution Spectral Survey of Galactic Nebulae(LAMOST MRS-N):An overview of scientific goals and survey plan

Since Sep.2018,LAMOST has started the medium-resolution(R～7500) spectral survey(MRS).We proposed the spectral survey of Galactic nebulae,including H Ⅱ regions,HH objects,supernova remnants,planetary nebulae and the special stars with MRS(LAMOST MRS-N).LAMOST MRS-N covers about 1700 square degrees of the northern Galactic plane within 40°l215° and-5° b5°.In this 5-year survey,we plan to observe about 500 thousand nebulae spectra.According to the commissioning observations,the nebulae spectra can provide precise radial velocity with uncertainty less than 1 km s~(-1).These high-precision spectral data are of great significance to our understanding of star formation and evolution.     

LAMOST网络控制系统结构

LAMOST(大型多天体分光望远镜)建成后将成为世界上视场最大、光谱观测效率最高的4m级口径以上的光学望远镜。它将要同时高效地观测4000颗星的光谱,这对网络控制系统的设计是巨大的挑战。该文主要从LAMOST网络控制系统构建的角度介绍了系统如何在大数据量、多任务的情况下实现各子系统控制、环境监测、授时和无线远程监控等功能,叙述了在该系统中运用的实时分布式操作系统、实时数据库,全球定位系统(GPS)和全球移动通讯系统(GSM)等多项技术．     

基于深度学习的LAMOST星系星族参数测量

星系的光谱包含其内部恒星的年龄和金属丰度等信息, 从观测光谱数据中测量这些信息对于深入了解星系的形成和演化至关重要. LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope)巡天发布了大量的星系光谱, 这些高维光谱与它们的物理参数之间存在着高度的非线性关系. 而深度学习适合于处理多维、海量的非线性数据, 因此基于深度学习技术构建了一个8个卷积层$+$4个池化层$+$1个全连接层的卷积神经网络, 对LAMOST Data Release 7 (DR7)星系的年龄和金属丰度进行自动估计. 实验结果表明, 使用卷积神经网络通过星系光谱预测的星族参数与传统方法基本一致, 误差在0.18dex以内, 并且随着光谱信噪比的增大, 预测误差越来越小. 实验还对比了卷积神经网络与随机森林回归模型、深度神经网络的参数测量结果, 结果表明卷积神经网络的结果优于其他两种回归模型.