深度学习识别LAMOST海量光谱中特殊数据探求恒星演化特征

Relying on the China Virtual Observatory of Internet and the big data astronomical information, which the astronomical observations, numerical simulation and other means to obtain the complete astronomical database.Taking full advantage of LAMOST unique low-resolution fiber-optic data acquisition can be observed in a very small proportion of rare earth observation advantages . In this study, based on the analysis of the correlation between the distance and the eigenvalue of type A stellar , we studied the existing super-stars of AGB and post-AGB in the nearly half a million A-type stellar spectra observed by LAMOST. The successful study found that focusing on the dust, characteristic bands and spectral characteristics of the blue super giant with little or very high brightness, A candidate sample of the post-AGB star is selected to establish the training model spectrum, TensorFlow convolutional neural network architecture is used for high-performance computing, combining WISE data to identify and analyze the remote AGB star structure and evolution model, and provides a set of standard discovery and access rules. , Integrate new mining patterns and feature correlations to discover new types of celestial bodies, explore stellar physics parametric adaptive adaptive software packages, and have portable, easy-to-promote data analysis algorithms, fusion correlation analysis to derive new models, and promote astronomy Study the development process.

依托中国虚拟天文台的互联网+天文大数据信息，从天文观测、数值模拟等途径获得完备的天文数据库，充分利用LAMOST特有的采集低分辨率光纤光谱大数据中能出现极低比例稀有天体的观测优势。本研究结合A型恒星天体特征值间的相关性分析，在LAMOST已发布近五十万条A型恒星光谱观测数据中学习AGB星和post-AGB星红外超巨星已有的成功研究发现，重点针对研究甚少且亮度非常高的蓝超巨星所包含尘埃、特征带及谱线特性，选取post-AGB星侯选小样本建立训练模型光谱，采用TensorFlow卷积神经网络架构高性能计算，融合WISE数据分析、证认、解释遥远的AGB星结构和演化模型，提供一套标准的发现、访问规则，整合新挖掘模式和特征相关性，进而发现新天体类型，探索恒星大气物理参数相关性自适应算法软件包，且具备可移植、易推广数据分析算法，融合相关性分析导出新模型，推动天文学研究发展进程。

项目依托中国虚拟天文台的互联网+天文大数据信息平台的海量天文图像，从天文观测、数值模拟等方式获取完备的天文图像数据，利用LAMOST中、低分辨光谱信息，采集到光纤光谱大数据中特有的低分辨率且出现比例极低的稀有光谱图像观测信息。本课题研究融入人工智能领域相关技术，分析A型恒星光谱图像特征值间的相关性，在LAMOST已公开发布DR8观测数据集中，融合WISE 、GAIA和SDSS 巡天数据集的测光数据星表，经星表数据交叉获取出现机率极低的稀有天体，经数据分析解释遥远的AGB星结构和演化模型。结合A型恒星天体空间的距离位置和特征值间的相关性分析后，通过机器学习AGB星和post-AGB星红外超巨星的谱线向量图像信息，着重分析数据少且非常亮的蓝超巨星的特征带及谱线特性，筛选post-AGB星的侯选样本，证认多样化稀少特殊天体分类的恒星光谱26种线指数的参数特征数据值，随机森林回归恒星参数及特征提取中经多线性回归分析，检验判别显著的3种线性回归分析结果，完善Teff、log g、Fe/H基本的参数估计的恒星光谱参数，研究表明了因变量与自变量有较强的线性相关性。证实了大数据集检验结果回归方程不显著时，并不能表明所匹配回归分析没有实际意义，进而相继研究A型恒星参数测量，挖掘A型恒星参数测量光谱特征，引入迁移学习认知A型星特殊天体AGB星数据模型演化过程，研发出恒星大气物理参数相关性自适应图像识别APP，具备可移植、易推广数据分析算法，顺利完成特殊恒星的大样本搜寻、分类和天体物理特性研究工作，加深对恒星结构乃至整个宇宙演化的认知理解。本项目基于慧视实验平台的NLE-AI800开发板（图像核心运算控制器件）、传感器以及OpenCV软件Haar级联分类器识别三维图像处理合成软件、自配路由器、VR成像设备，经路由器设置互联网多端口并行操作，实现合成识别功能从而展现未来元宇宙的空间愿景。提供了恒星结构和演化研究领域新的视角，扩大LAMOST巡天大数据的科学产出。

内容获取失败，请点击重试