XiaoMi-AI文件搜索系统
World File Search System星系的
使用人工智能检查星系的形状
图 02 卷积神经网络对猫、狗、马的图像进行分类的图像。假设我们输入一张猫的图像，并执行卷积等计算以获得三个输出，y 1 =1、y 2 =1、y 3 =1，我们试图从中确定它是否是一只猫。那时，我们不再平等对待这三种输出，而是给予重要的信息更高的分数。例如，y 1 显然是猫眼，所以我们会给它 5 倍的分数，而 y 2 和 y 3 看起来像猫的鼻子和耳朵，但它们看起来也像狗的鼻子和耳朵，所以我们'会给他们1倍的积分。因此最终传递给猫分类器的总点数为 z 1 = 5 + 1 + 1 = 7。另一方面，在狗分类器中，y 1 不是狗的眼睛，因此这些点乘以 0，y 2 和 y 3 乘以 1，因此 z 2 =0+1+1=2。在对于马分类器来说，y 1 、y 2 和 y 3 不是马的眼睛、鼻子和耳朵，所以都得 0 分，并且 z 3 =0+0+0=0。结果，猫分类器获得最高分数，最终输出“这张图片是一只猫”。为了能够自动做出高精度的判断，网络会利用大量猫的图像等教学数据进行训练，相当于调整点数增加的乘数（权重）。
使用扩散模型模拟射电星系的图像
上下文。随着天文调查产生的数据量的越来越多，自动分析方法已变得至关重要。合成数据是开发和测试此类方法所必需的。当前模拟的经典方法通常从不可能的细节或源类型出现的不准确表示。深层生成建模已成为综合现实图像数据以克服这些定义的新方法。目标。，我们实施了一个深入的生成模型，该模型对观测值进行了训练，以产生逼真的射电星系图像，并完全控制了频道和源形态。方法。我们使用了一个分散模型，该模型经过连续的时间步骤训练，以减少采样时间而没有质量损害。这两个模型分别在两个不同的数据集上进行了培训。一组是从Lofar两米高调查（Lots）的第二个数据发布中获得的图像选择。该模型在重新缩放图像像素值后保留信号强度信息的峰值条件。另一个较小的集合是从非常大的阵列（VLA）调查中，对二十秒（第一个）的无线电天空的微弱图像进行了调查。在该集合中，每个图像都带有形态学类标签。有条件的抽样是通过无分类的分解指导实现的。，我们通过比较了实际数据和生成数据的不同数量的分布来评估生成的图像的质量，包括来自标准源填充算法的结果。结果。通过培训分类器并比较其在实际数据和生成的数据上的性能来评估类调节。我们已经能够使用25个采样步骤来生成高质量的逼真图像，这在射电天文学领域是前所未有的。生成的图像在视觉上与训练数据无法区分，并且已成功复制了不同图像指标的分布。分类器显示出对真实图像和生成的图像的表现同样出色，表明对形态源特性的强烈采样控制。
有条件扩散模型，用于生成SDSS样星系的图像
我们提出了有条件扩散模型的新应用，用于根据其物理特性创建星系的合成图像。虽然先前的工作重点是调整单个参数，但我们证明了扩散模型可以在多个物理属性上产生模型，从而使我们能够探索这些属性的组合如何与星系外观相关。我们的模型接受了Sloan Digital Sky Survey（SDSS）的数据培训，生成了以红移，恒星质量，恒星形成率和气相金属性为条件的星系图像。值得注意的是，该模型捕获了预期的人类物理趋势，例如金属性与星系颜色或形态之间的关系。然而，生成的图像不同意通过GINI系数，M 20系数和浓度 - 空气平滑度统计的SDSS验证图像，这与系统预测的弥漫性不足相一致。虽然现代生成模型能够生成逼真的图像，但将这些模型应用于天体物理学可能仍然具有挑战性。
通过机器学习模型对星系的光度红移估计：比较研究
这项工作旨在评估用于银河红移估计问题的光度法（高度理想化）数据集中的某些经典回归模型的性能。线性回归模型，多项式回归，决策树，随机森林和支持向量机经过训练和验证，最初是在训练样本中，与原始基本数据的5％相对应。接下来，在测试样本中评估了这些相同的模型，对应于其余95％的基数，从而允许调整后的模型概括的概括。此外，由于变量之间的高度相关性，主要组件分析技术（PCA）也用于降低系统维度。关键字：星系，光度法，回归，宇宙学，机器学习
起源调查光谱仪：揭示远处星系的心脏和具有远处光谱的行星系统的心脏
摘要。原始调查光谱仪（OSS）是用于起源的多功能远射光谱仪。在光子背景极限下运行，使用六个对数间隔的光栅模块，以300的分辨能力（R）瞬间覆盖25至588-μm波长范围。每个模块同时至少30与最多100个空间束，从而实现了真实的[三维（3D）]光谱映射。此外，OSS提供了两种高分辨率模式。第一个将长路径傅立叶转换光谱仪（FTS）插入到传入光的一部分中，以提前光栅后端，使R高达43； 000×½λ∕112μm，同时保留了基于光栅的线的灵敏度。第二次与FTS串联扫描Etalon，为100至200-μm的范围提供高达300,000的R。©作者。由SPIE发表在创意共享归因4.0未体育许可下。全部或部分分配或复制此工作需要完全归因于原始出版物，包括其DOI。[doi：10.1117/1.jatis.7.1.011017]
线发射测绘仪 (LEM) – 探索宇宙生态系统的物理学
LEM 模拟了 z = 0.01 处银河系质量星系的图像，该星系位于 3 eV 宽的箱体中，以 OVIII 和 FeXVII CGM 发射线为中心。面板为 30'，像素为 15"（LEM FOV 和像素化），1 Ms。蓝色椭圆：光盘大小，从侧面看。明亮的银河系前景几乎完全被解析出来，利用了星系的红移。
James Webb太空望远镜
作为哈勃太空望远镜的继任者，韦伯计划于2021年推出，将需要三个月的时间才能行驶150万公里（940,000英里），到达太空的地步，在地球的重力和太阳的重力之间将保持平衡。Webb是一种大型红外优化的望远镜，旨在研究第一颗恒星和星系的形成，星系的演变，恒星的产生以及恒星和行星形成的过程。Webb将距离地球远离地球更远，它将包含网球大小的日落阴影，该阴影将使望远镜保持寒冷，这是可以观看红外光线的必要条件。Webb将被包装在里面，并乘坐Ariane 5发射车进入轨道。
