绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 3 条结果
摘要:脉冲星候选体验证是判断是否找到新脉冲星的关键一步.传统的方式是通过人工与PSRCAT中已知脉冲星数据对比,效率很低.目前,FAST采用19波束接收机系统,脉冲星巡天年数据量预计将产生上亿脉冲星候选体,采用PSRCAT将无法满足FAST的巡天数据处理需求.介于数据库技术在组织和存储数据、高效地获取和处理数据方面优势,提出了一种基于数据库和web的匹配方法去实现脉冲星候选体的验证,并开发了相应的web接口.对Parkes多波束脉冲星巡天在FAST天区部分数据进行处理(约60G),获得了约3万个候选体文件,利用该方法,经过验证得到27颗已知脉冲星对应的247个脉冲星候选体,结果显示对计算中产生的对应周期的候选体均能成功匹配.
摘要:脉冲星搜寻是对脉冲星、引力波,以及对快速射电暴(Fast Radio Burst,简称FRB)等暂现源进行研究的基础.搜寻不仅可以扩大脉冲星样本,还可以发现极端性质的致密星.这有助于研究致密天体状态方程、星际介质、脉冲星导航、引力波探测等课题.目前,射电望远镜的单次巡天就可以产生百万数量级的脉冲星候选体.面对这些海量数据,仅仅依赖人工识别筛选,已不能满足数据的时效需求,更不能实现数据的实时处理.机器学习、计算机视觉应用等人工智能技术自诞生以来,其理论和技术已日益发展成熟,并已成功运用到脉冲星候选体筛选等射电天文研究领域.首先将介绍现有脉冲星搜寻的人工智能方法,再统计和分析已有脉冲星候选体筛选方法的性能,最后对FAST脉冲星候选体筛选工作进行展望.
[硕士论文] 许余云
数学 贵州师范大学 2017(学位年度)
摘要:2016年9月五百米口径球面射电望远镜(FAST)已经建成,脉冲星巡天将是FAST开展的重要科学项目之一,预计年巡天数据量将产生上亿脉冲星候选体,依赖人工筛选和验证已不能满足巡天的数据时效需求,更不可能实现数据的实时处理。因此,本文将针对脉冲星搜索数据处理中现有的筛选方法进行总结和展望,并实现候选体的自动化验证,以及对FAST团队即将开展的基于模式识别筛选候选体工作中模拟观测数据程序simPulseTrain进行优化和并行化改造。
  本文梳理有关FAST的指标和观测性能,介绍脉冲星巡天方式。其次,介绍脉冲星搜索数据处理过程,并综述人工智能方法在脉冲星候选体筛选中的应用,统计分析已有脉冲星候选体筛选方法性能,并对FAST脉冲星候选体筛选工作进行展望。此外,传统的脉冲星候选体验证是通过人工查询PSRCAT中数据进行对比,效率较低,本文将基于Web和数据库技术实现脉冲星候选体验证自动化,并开发相应的Web接口。利用Parkes多波束脉冲星巡天在FAST天区数据进行处理(约60G),获得了约3万个候选体文件进行验证,最终得到27颗已知脉冲星对应的247个脉冲星候选体,结果表明该方法对计算中产生的对应周期的候选体均能成功匹配。FAST团队模拟生成的观测数据用于模拟FAST脉冲星漂移巡天及估算巡天的灵敏度,并即将开展生成特定类型的候选体用于机器学习训练集,实现脉冲星候选体筛选智能化。模拟程序simPulseTrain在模拟带色散的信号时通道数较多,生成程序采用单线程方式,运行速度太慢,因此,需要实现模拟方法并行化。概述了脉冲星观测数据模拟方法,并优化了模拟方法,在多核CPU上利用OpenMP并行程序设计,实现并行加速,最终实验数据表明:采用CPU多核并行能将改进的算法性能提升约14倍。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部