Sterrekunde

Diep-CEE I-data

Diep-CEE I-data


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ek het Deep-CEE I: Fishing for Galaxy Clusters met Deep Neural Nets gelees en ek kon nie die datastel vind nie.

Kan iemand my die skakels hieraan gee?


Die outeurs gebruik die dataset SDSS (Sloan Digital Sky Survey) III (vrystelling 9 van data):

Ons gebruik 'n moderne probabilistiese algoritme wat aangepas is om sterrestelsels van ander sterrekundige voorwerpe in SDSS-beeldvorming te lokaliseer en te klassifiseer.

Hierdie data kan verkry word via Nasa SkyView. Die opleidings- en toetsstelle is saamgestel uit die onderstelle van die Abell-katalogus:

Ons gebruik die Abell-sterrestelsels wat in die Wen et. al (2012) katalogus, om die benoemde gegewens te verkry wat nodig is om die opleidingsstel te skep.

Die meeste trosse in die Abell-katalogus is geverifieer, maar nie almal nie. Daarom word slegs die gebruik gebruik wat in Wen et. al (2012). Die trosse is gefiltreer op grond van die volgende kriteria (afdeling 2.2):

  • Fotometriese rooi verskuiwing ($ z $) reeks beperk tot $ 0,1 .
  • Minimum van 20 sterrestelsellede binne $ R_ {200} $ radius.

$497$ Abell-trosse voldoen aan hierdie kriteria. Die outeurs het vertalingsverskuiwings toegepas om die data te vergroot:

... een van die eienskappe van die FasterRCNN-algoritme is translasie-invariansie, wat beteken dat die algoritme sterk is om vertaalde voorwerpe te leer. Ons oefen die algoritme om te herken dat 'n voorwerp op enige plek in 'n beeld kan verskyn. Aangesien ons metode 'n ewekansige verrekening op die invoerkoördinate via vertaling toepas, vergroot ons die steekproefstel nog drie keer, wat die steekproefgrootte verhoog tot $1988$.

Hierdie stel van $1988$ insette is ewekansig gemonster om die opleidings- en toetsstelle te produseer:

Die oefenstel bestaan ​​uit $∼90$ persent van die monsterstel wat bestaan ​​uit $1784$ gemerkte sterrestelsels en die toetsstel bestaan ​​uit die oorblywende $∼10$ persent wat bestaan ​​uit $204$ gemerkte sterrestelselgroepe.

Die outeurs verskaf nie die vertaalde data nie. Aangesien die proses egter statisties robuust is, is daar drie verskillende lukrake vertalings op die toepassing $497$ beelde en die gebruik van die model moet resultate lewer wat ooreenstem met die wat gerapporteer is. Dit is in werklikheid 'n fundamentele aanname van die tegniek.


Deep-CEE: Die hulpmiddel vir diepligging van AI vir sterrekundiges wat die diep ruimte verken

AFBEELDING: Beeld wat die sterrestelselgroep Abell1689 toon. Die nuwe diepleerinstrument Deep-CEE is ontwikkel om die proses om sterrestelsels soos hierdie een te vind, te bespoedig.

Sterrestelselgroepe is van die mees massiewe strukture in die kosmos, maar dit kan steeds moeilik wees om miljoene ligjare aan te trek. Navorsers aan die Universiteit van Lancaster het hulself toegespits op kunsmatige intelligensie om hulp te verleen, met die ontwikkeling van 'Deep-CEE' (Deep Learning for Galaxy Cluster Extraction and Evaluation), 'n nuwe diep-leer-tegniek om die proses om dit te vind, te bespoedig. Matthew Chan, 'n PhD-student aan die Lancaster Universiteit, bied hierdie werk aan op die Royal Astronomical Society se National Astronomy-vergadering op 4 Julie om 15:45 in die Machine Learning in Astrophysics-sessie.

Die meeste sterrestelsels in die heelal leef in omgewings met 'n lae digtheid wat bekend staan ​​as 'die veld', of in klein groepies, soos dié wat ons Melkweg en Andromeda bevat. Melkweggroepe is skaarser, maar dit verteenwoordig die mees ekstreme omgewings waarin sterrestelsels kan woon, en as ons dit bestudeer, kan dit ons help om donker materie en donker energie beter te verstaan.

In die 1950's het die sterrekundige George Abell, die pionier van die vinding van sterrestelsels, baie jare deurgebring om sterrestelsels op die oog te soek, met 'n vergrootglas en fotografiese plate om dit op te spoor. Abell het ongeveer 2000 fotografiese plate handmatig ontleed, op soek na visuele handtekeninge van sterrestelsels en die astronomiese koördinate van die digte streke van sterrestelsels uiteengesit. Sy werk het gelei tot die 'Abell-katalogus' van sterrestelsels wat in die noordelike halfrond gevind is.

Deep-CEE bou voort op Abell se benadering om sterrestelsels te identifiseer, maar vervang die sterrekundige met 'n AI-model wat opgelei is om kleurbeelde te "kyk" en sterrestelsels te identifiseer. Dit is 'n moderne model gebaseer op neurale netwerke, wat ontwerp is om die manier na te boots wat 'n menslike brein leer om voorwerpe te herken deur spesifieke neurone te aktiveer wanneer hulle kenmerkende patrone en kleure visualiseer.

Chan het die KI opgelei deur dit herhaaldelik voorbeelde van bekende, benoemde voorwerpe in beelde aan te toon totdat die algoritme self kan leer om voorwerpe te assosieer. Toe het 'n loodsstudie gedoen om die vermoë van die algoritme om sterrestelsels te identifiseer en te klassifiseer in beelde wat baie ander astronomiese voorwerpe bevat, te toets.

"Ons het Deep-CEE suksesvol toegepas op die Sloan Digital Sky Survey", sê Chan, "uiteindelik sal ons ons model op revolusionêre opnames soos die Large Synoptic Survey-teleskoop (LSST) laat loop wat wyer en dieper in streke van die heelal sal ondersoek. nog nooit tevore verken nie.

Nuwe moderne teleskope het sterrekundiges in staat gestel om wyer en dieper as ooit tevore waar te neem, soos om die grootskaalse struktuur van die heelal te bestudeer en die groot onontdekte inhoud daarvan in kaart te bring.

Deur die ontdekkingsproses te outomatiseer, kan wetenskaplikes vinnig stelle beelde skandeer en presiese voorspellings terugstuur met minimale menslike interaksie. Dit is noodsaaklik vir die ontleding van data in die toekoms. Die komende LSST-lugopname (wat in 2021 aanlyn sou kom) sal die lug van die hele suidelike halfrond beeld en elke aand na raming 15 TB aan data genereer.

"Data-ontginningstegnieke soos diep leer sal ons help om die enorme uitsette van moderne teleskope te ontleed", sê dr John Stott (Chan se PhD-studieleier). "Ons verwag dat ons metode duisende trosse sal vind wat die wetenskap nog nooit gesien het nie".


Ons in sosiale media

Privaatheid Oorsig

DeepAI.space is 'n nuusbron vir kunsmatige intelligensie (AI) wat fokus op ruimte, lugvaart en lugvaart. Die KI-velde sluit in Masjienleer (Deep Learning), Masjienvisie, Natuurlike Taalverwerking en -begrip, Spraak, Robotika.

Hierdie webwerf gebruik koekies om u ervaring te verbeter terwyl u deur die webwerf navigeer. Uit hierdie koekies word die koekies wat as noodsaaklik gekategoriseer is, in u blaaier gestoor, aangesien dit noodsaaklik is vir die werking van basiese funksies op die webwerf. Ons gebruik ook cookies van derdepartye wat ons help om te ontleed en te verstaan ​​hoe u hierdie webwerf gebruik. Hierdie koekies word slegs met u toestemming in u blaaier geberg. U het ook die opsie om hierdie koekies uit te teken. Maar om van sommige van hierdie koekies te onttrek, kan dit 'n uitwerking op u blaaierervaring hê.

Nodige koekies is absoluut noodsaaklik vir die funksionering van die webwerf. Hierdie kategorie bevat slegs koekies wat basiese funksies en veiligheidskenmerke van die webwerf verseker. Hierdie koekies stoor geen persoonlike inligting nie.

Enige koekies wat nie nodig is om die webwerf te laat funksioneer nie, en wat spesifiek gebruik word om persoonlike data deur gebruikers, analytics, advertensies en ander ingebedde inhoud te versamel, word nie-noodsaaklike koekies genoem. Dit is verpligtend om toestemming van gebruikers te verkry voordat u hierdie koekies op u webwerf gebruik.


AI om die verkenning van Galaxy Clusters wat nog nooit voorheen gesien is nie, te vergemaklik

Representatiewe beeld

Navorsers aan die Lancastar Universiteit, die Verenigde Koninkryk, het 'n kunsmatige intelligensie (AI) aangedrewe instrument ontwikkel, genaamd DEEP-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation), wat die vermoë het om galaxy clusters onmiddellik te identifiseer deur bloot sekere kleurbeelde waar te neem.

Melkwegklusters verteenwoordig die mees ekstreme omgewings waarin sterrestelsels kan woon, en die bestudering daarvan kan 'n beter begrip van die donker materie en die donker energie bied.

Neurale netwerke in werking

Op grond van neurale netwerke is die AI-model herhaaldelik voorbeelde van bekende, gemerkte voorwerpe in beelde getoon totdat die ingeboude algoritme self kon leer om voorwerpe te assosieer.

Daarna het die navorsers 'n loodsstudie gedoen om die algoritme se vermoë om sterrestelsels te identifiseer en te klassifiseer in beelde wat baie ander astronomiese voorwerpe bevat, te toets.

John Stott, 'n navorser aan die Lancaster Universiteit, het gesê dat tegnieke vir die ontginning van data soos diep leer ons sal help om die enorme uitsette van moderne teleskope te ontleed. Daar word verwag dat duisende trosse wat die wetenskap nog nooit voorheen gesien het nie, met hierdie metode kan vind.

Die hulp van hoogs gevorderde teleskope

Nuwe moderne teleskope het sterrekundiges in staat gestel om wyer en dieper as ooit tevore waar te neem, soos om die grootskaalse struktuur van die heelal te bestudeer en die groot onontdekte inhoud daarvan in kaart te bring.

Deur die ontdekkingsproses te outomatiseer, kan wetenskaplikes vinnig stelle beelde skandeer en presiese voorspellings terugstuur met minimale menslike interaksie.

Die komende lugopname van die Large Synoptic Survey Telescope (LSST) sal help om die lug van die hele suidelike halfrond te beeld en sodoende 'n geskatte 15 TB data elke aand te genereer.

Matthew Chan, 'n PhD-student aan die Lancaster Universiteit, beweer dat die Deep-CEE suksesvol toegepas is op die Sloan Digital Sky Survey. Dit is bedoel om hierdie model op LSST te laat loop, wat wyer en dieper sal ondersoek in gebiede van die heelal wat nog nooit voorheen ondersoek is nie.

Bogenoemde studie is aangebied tydens die Royal Astronomical Society en die Nasionale Astronomie-byeenkoms wat by die Lancaster University, UK, gehou is.


Groot data

Wat beteken groot data? Hierdie term beskryf nie net die zettabyte data nie, maar ook die instrumente vir die verwerking daarvan. 'N Ruk gelede het mense nie so 'n groot hoeveelheid data gehad nie, dus was datawetenskaplikes beperk in hul pogings om 'n goeie algoritme op te stel wat groot stukke data benodig.

Ons het egter deesdae toegang tot alle gewenste data. As gevolg hiervan kan ons ons algoritmes op groot stelle data toets. Aangesien groot datastel nie altyd 'n goeie algoritme beteken nie, is dit ook nodig om instrumente te hê wat 'n groot hoeveelheid data kan verwerk, soos Spark, Hadoop, Storm, ens. Dit laat ons toe om al die inligting wat ons benodig, uit te haal stukke onverwerkte rou data.

Nadat ons met die bedryf kennis gemaak het, gaan ons verder met die invloed daarvan op ons lewens.


Hierdie AI-hulpmiddel kan sterrekundiges help om onbekende sterrestelsels vinnig te identifiseer

Kunsmatige intelligensie transformeer ons wêreld soos ons dit ken. Noem iets wat jy in die hedendaagse wêreld onmoontlik dink en die kans dat AI dit moontlik sal maak, is groot. Wie sou kon dink dat motors op hul eie sou kon ry as dit nie kunsmatige intelligensie was nie? En nou het navorsers 'n kunsmatige intelligensie-instrument geskep, genaamd Deep-CEE AI, waarmee u massiewe kosmostrukture in die ruimte kan identifiseer, genaamd Galaxy Clusters.

Deep-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation) AI is geskep deur 'n span navorsers aan die Lancaster University, UK, wat verlede week ook hul werk aan die Royal Astronomical Society se National Astronomy voorlê, in Machine Learning for Astrophysics. . As u nie weet wat sterrestelsels is nie, is dit basies groot strukture wat bestaan ​​uit honderde en duisende sterrestelsels daarin. Volgens die navorsers funksioneer sterrestelsels in 'n baie ekstreme omgewing en as ons dieper daarin ondersoek, kan ons konsepte rondom donker materie en donker energie beter verstaan.

Deep-CEE is blykbaar gebou op dieselfde model wat lank gelede deur die sterrekundige George Abell in die 1950's geïmplementeer is. Alhoewel Abell 'n vergrootglas en fotografiese plate gebruik het om sterrestelsels met sy oog te soek, fokus die nuwe tegniek op die gebruik van kunsmatige intelligensie-model gebaseer op neurale netwerke. Vir die projek het navorsers die AI-model opgelei om na verskillende kleure beelde te kyk en sterrestelsels daarin te sien. Die model is ook aanvullend tot die tradisionele metodes en kan saam met dit gebruik word om sterrestelsels beter te ontleed.

"Data-ontginningstegnieke soos diep leer sal ons help om die enorme uitsette van moderne teleskope te ontleed. Ons verwag dat ons metode duisende trosse sal vind wat die wetenskap nog nooit voorheen gesien het nie", het dr. John Stott gesê, wat toesig gehou het oor die navorsers. Sedert die hele proses van die opsporing van sterrestelselgroepe nou outomaties is, kan dit sulke beelde vinnig skandeer en voorspellings instuur. Dit sal hulle ook verder help om hierdie data te ontleed vir toekomstige doeleindes.


AI-hulpmiddel help sterrekundiges om sterrestelsels vinnig te identifiseer

Londen, 6 Julie (IANS) Navorsers het 'n kunsmatige intelligensie (AI) aangedrewe instrument ontwikkel wat opgelei is om kleurbeelde & # 8220 te bekyk & # 8221 en om sterrestelsels vinnig te identifiseer.

Die & # 8220Deep-CEE & # 8221 & # 8211 Deep Learning for Galaxy Cluster Extraction and Evaluation & # 8211 -model is gebaseer op neurale netwerke, wat ontwerp is om die manier waarop 'n menslike brein leer om voorwerpe te herken na te boots deur spesifieke neurone te aktiveer wanneer dit kenmerkend is. patrone en kleure.

Matthew Chan, 'n PhD-student aan die Lancaster Universiteit in Brittanje, het die KI opgelei deur dit herhaaldelik voorbeelde van bekende, benoemde voorwerpe in beelde te wys totdat die algoritme self kan leer om voorwerpe te assosieer.

Daarna het die navorsers 'n loodsstudie gedoen om die algoritme se vermoë om sterrestelsels te identifiseer en te klassifiseer in beelde wat baie ander astronomiese voorwerpe bevat, te toets.

& # 8220Data-ontginningstegnieke soos diep leer sal ons help om die enorme uitsette van moderne teleskope te ontleed & # 8221 het John Stott van Lancaster University gesê.

& # 8220Ons verwag dat ons metode duisende trosse sal vind wat nog nooit deur die wetenskap gesien is nie, & # 8221; het Stott gesê.

Melkweggroepe verteenwoordig die mees ekstreme omgewings waarin sterrestelsels kan woon, en as ons dit bestudeer, kan dit ons help om donker materie en donker energie beter te verstaan.

Nuwe moderne teleskope het sterrekundiges in staat gestel om wyer en dieper as ooit tevore waar te neem, soos om die grootskaalse struktuur van die heelal te bestudeer en die groot onontdekte inhoud daarvan in kaart te bring.

Deur die ontdekkingsproses te outomatiseer, kan wetenskaplikes vinnig stelle beelde skandeer en presiese voorspellings terugstuur met minimale menslike interaksie.

Dit is noodsaaklik vir die ontleding van data in die toekoms. Die komende lugopname (Large Synoptic Survey telescope) (LSST) (wat in 2021 aanlyn sou kom) sal die lug van die hele suidelike halfrond afbeeld, en elke aand na raming 15 TB aan data genereer.

& # 8220 Ons het Deep-CEE suksesvol toegepas op die Sloan Digital Sky Survey, & # 8221 het Chan gesê.

& # 8220Uiteindelik sal ons ons model uitvoer op revolusionêre opnames soos die LSST wat wyer en dieper sal ondersoek in gebiede van die heelal wat nooit tevore ondersoek is nie, & # 8221 Chan het bygevoeg.

Die studie is aangebied tydens die Royal Astronomical Society & # 8217s National Astronomy meeting by Lancaster University.


Wat is die grootste? Die aantal atome in die heelal of die aantal skaakbewegings?

Ons ondersoek AI & # x27s verstandvermoë, van skaak wen tot nuwe sterrestelsels.

Die vraag kom van Claude Shannon, uitvinder van & lsquoInformation Theory & rsquo in 1948. Die teorie gebruik wiskunde om die reëls te verstaan ​​wat die oordrag van boodskappe deur middel van kommunikasiestelsels, van toepassing op alles, van rekenaarkode, spraak en musiek, tot die dans van bye. Met behulp van wiskunde en logika om die wêreld om hom te verstaan, het Shannon nie lank begin wonder of 'n rekenaar 'n mens by speletjies soos skaak kan slaan nie. In 1950 skryf hy 'n referaat oor hierdie moontlikheid, maar dit was nie tot in die 1970's dat rekenaars die mens begin verslaan het tydens die spel nie en oor die algemeen swak spelers wat dom foute begaan het. Maar hulle kon nie Grootmeesters verslaan nie. Dit het eers in 1996 gebeur toe DeepBlue Gary Kasparov geklop het. Die volgende jaar het die verbeterde DeepBlue hom met 31 / 2-21 / 2 geklop.

So hoekom het dit so lank geneem? Onthou u die vraag aan die begin?

Daar is tussen 10 78 en 10 82 atome in die waarneembare heelal. Dit is tussen tien kwadriljoen vigintillion en honderdduisend quadrillion vigintillion atome. Wat baie is. Maar. ongelooflik, daar is selfs meer moontlike variasies van skaakspele as wat daar atome in die waarneembare heelal is.

Dit is die Shannon nommer en verteenwoordig al die moontlike bewegingsvariasies in die skaakspel. Daar word beraam dat daar tussen 10 111 en 10 123 posisies (insluitend onwettige skuiwe) in Chess is. (As u onwettige bewegings uitsluit, daal dit aantal dramaties tot 10 40 bewegings. Wat nog baie is!).

"Daar is selfs meer moontlike variasies van skaakspele as wat daar atome in die waarneembare heelal is."

U sou dink, & lsquowell 'n rekenaar het die ingewikkeldste spel in die wêreld verower, daar is niks meer vir hulle om te doen nie? & Rsquo en jy & rsquod wees. verkeerde! Daar is 'n spel met nog meer moontlike bewegings en variasies en dit heet Go. Gedink dat dit meer as 4.000 jaar gelede in China ontstaan ​​het, het dit nie gewild geraak voordat dit omstreeks 500 jaar in Japan aangekom het nie. Dit word uitgebrei in SE Asië gespeel: professionele persone begin die spel leer as baie klein kinders en spandeer hul hele lewe lank om hul vermoë te vervolmaak. .

Go het meer as 10 170 bewegings. om dit 'n googol te maak, is meer ingewikkeld en gevarieerd as skaak en die aantal atome in die heelal verdwerg!

Dink u dat 'n rekenaar of kunsmatige intelligensie ooit 'n speletjie in u leeftyd sou kon baasraak?

Verbasend genoeg het dit al. Tik AlphaGo in. In 2015 speel dit sy eerste wedstryd teen die driemalige Europese kampioen, mnr. Fan Hui, en klop hom met 5-0.

In Maart 2016 ding die AI toe mee met die legendariese Go-speler, die agtienmalige wêreldtitelwenner, mnr. Lee Sedol. Daar word gesê dat Sedol is om te gaan wat Federer is vir tennis, maar met 200 miljoen mense wat wêreldwyd kyk, het AlphaGo hom met 4-1 geklop in 'n kompetisie in Seoel, Suid-Korea.

All Go-spelers word gereken as 'n absolute beginner as Kyu 30. As hulle die skuif na die rang Kyu 1. verbeter, word hulle steeds by die Dan-geledere aangesluit, en hulle begin op vlak 1 en streef na (maar kom selde) vlak. 9 Dan. Daar is tans net meer as 100 9 Dan-spelers in die wêreld. AlphaGo is een van hulle.

Daar is meer.

Die maatskappy wat AlphaGo & ndash Deepmind & ndash geskep het, het 'n nuwer kragtigste weergawe, AlphaGo Zero, vrygestel.

Volgens Deepmind: & ldquoAlphaGo het Go geleer deur duisende wedstryde met amateur- en professionele spelers te speel, AlphaGo Zero het geleer deur teen homself te speel, en begin met heeltemal willekeurige spel. en dan deur te speel teen die sterkste speler in die wêreld, AlphaGo.

Hierdie kragtige tegniek word nie meer beperk deur die grense van menslike kennis nie. In plaas daarvan het die rekenaarprogram duisende jare van mensekennis opgebou gedurende 'n paar dae. Go Zero het die prestasies van alle vorige weergawes vinnig oortref en ook nuwe kennis ontdek en onkonvensionele strategieë ontwikkel en kreatiewe nuwe bewegings, insluitend dié wat die Wêreld Go-kampioene Lee Sedol en Ke Jie geklop het. & rdquo

'Wat dan?' N Masjien kan 'n speletjie speel, 'n groot saak. '

Die groot probleem is dat dit nuwe ontdekkings en nuwe benaderings kon maak. Dat KI & lsquokreatiewe oomblikke kan hê & rsquo dui daarop dat KI gebruik kan word om menslike vernuf vinnig te verbeter.

As u met groot hoeveelhede inligting te doen het, kan die mens se verstand oorweldig word en vinnig vermoei wanneer u probeer om baie data (veral wiskundig) te verstaan. 'N KI het nie sulke probleme nie. AlphaGo Zero het duisende jare van mensekennis binne enkele dae geleer. Die toepassing van die vermoë op ander gebiede laat patrone en ontdekkings toe wat andersins verborge kan wees of wat lank neem om dit alleen deur mense te ontdek.

Hoe leer 'n kunsmatige intelligensie?

Dit is regtig 'n goeie vraag en dit is eenvoudig en baie slim. Daar is drie vlakke van leer vir 'n KI: kunsmatige intelligensie, masjienleer en diep leer.

Kunsmatige intelligensie: is die laagste vlak van rekenaar en lsquointelligence. & Rsquo Dit boots die leer van mense na deur besluite te neem gebaseer op opsies en kontroleer dit met gestoorde inligting: is dit rond of krom? Is dit groen of geel? Is dit 'n lemmetjie of 'n piesang?

Masjienleer: kom uit ervaring. Is groen groen lemmetjies? Kan dit appels wees? Is dit groter as 'n sekere grootte? Daarom kan op grond van wat dit & lsquolearnt & rsquo van die keuse kies, sê wat die voorwerp is.

Diep leer: is 'n subset van masjienleer; die sagteware kan self oefen (met behulp van verborge lae genaamd Neurale netwerke) om die uitsette daarvan te verstaan. Hierdie benadering gebruik groot hoeveelhede data, aangesien dit vereis dat die masjien met sy databasis (ervaring) gaan om dinge te vind wat hy & lsquoknows & rsquo reeds het om voorwerpe te identifiseer.

"Dat KI & lsquokreatiewe oomblikke & rsquo kan hê, dui daarop dat KI gebruik kan word om menslike vernuf vinnig te verbeter."

Wat het dit met Sterrekunde te doen?

Wel, ek is bly dat jy gevra het, nee, dit is ek.

Al is daar meer bewegings in Skaak as atome in die Heelal, is die Heelal steeds baie, baie groot. Daar word beraam dat daar 200-350 miljard sterre in ons melkweg (die Melkweg) is. Ons sterrestelsel is 'n mediumgrootte sterrestelsel. Daar word geglo dat daar meer as 'n triljoen sterrestelsels in die sigbare heelal kan wees en nog vele meer wat ons kan sien.

Dink daaraan volgende keer as u na die see gaan, 'n handvol sand gryp of 'n gaatjie in die sand grawe. Hoeveel sandkorrels dink u is daar in u hand of in die stapel wat u so pas gegrawe het? Duisende? Miljoene miskien? Kyk nou na die hele strand en probeer raai hoeveel korrels daar is.

Daar word gedink dat daar meer sterre in die heelal is as sandkorrels op elke strand op aarde. Die meeste van hierdie sterre het ten minste een planeet, dikwels baie meer, wat wentel. Daar is dus selfs meer planete as sterre.

Sterrekundiges en astrofisici hanteer baie data, en namate die tegnologie verbeter, vergroot die hoeveelheid data wat versamel word.

Daar is baie nuwe teleskope en sterrewagte wat ontwikkel word, en binnekort aanlyn, sowel as die ruimtegebaseerde James Webb-teleskoop en die uiters groot teleskoop in Chili, kom daar in 2021 ook na Chili, die Large Synoptic Survey Telescope (LSST). bekend as die Vera Rubin-teleskoop.

Wanneer dit in gebruik geneem word, sal dit elke aand meer as 800 panoramiese foto's neem met 'n 3,2 miljard-pixel-kamera wat die hele sigbare lug twee keer per week opneem.

Elke nag lewer dit 20 TB data op. Die foto's wat die LSST Camera geneem het, is so groot dat dit 378 4K ultra-hoë-definisie TV-skerms benodig om een ​​daarvan in volle grootte te vertoon!

Hoe groot is 'n TerraByte? Ek hoor jou vra.

1TB is dieselfde as 681 episodes van The Queen's Gambit ('n mens kan droom!).

Soveel data, sê jy? Jy & rsquore reg! Dit is baie meer as waaraan ons mense kan werk. Dit & rsquos net van een teleskoop af. Daar is 'n hele verskeidenheid programme, AI, masjienleer en diep leerstelsels wat deur sterrekundiges en navorsers gebruik word. Omdat dit meer is as wat 'n mens kan hanteer, is neurale netwerke nodig om op te lei om voorwerpe te klassifiseer en om sterrekundiges voor te stel diegene wat interessant kan wees om van naderby te beskou.

Die Europese Sterrewag het Morpheus ontwikkel: 'n diep-leerraamwerk wat 'n verskeidenheid kunsmatige intelligensie-tegnologieë bevat wat ontwikkel is vir toepassings soos beeld- en spraakherkenning. Om sterrekundiges te help, werk Morpheus pixel vir pixel deur die beelde op soek na sterrestelsels! 'N Ouer Morpheus-uitslag uit 2016, wat saam met Hubble werk, het onthul dat hier tien keer meer sterrestelsels was as wat voorheen gedink is.

"'N Ouer Morpheus-uitslag uit 2016, wat saam met Hubble werk, het onthul dat hier tien keer meer sterrestelsels was as wat voorheen gedink is."

Navorsers aan die Universiteit van Lancaster het 'n stelsel genaamd Deep-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation) ontwikkel, 'n nuwe diep-leertegniek om die proses om sterrestelsels te vind, te bespoedig.

Sterrestelsels word eers in 1950 deur George Abell ontdek en is skaars, maar massiewe voorwerpe. Abell het jare lank 2000 fotografiese plate met sy oog en 'n vergrootglas deurgesoek en 2 712 trosse gevind. Melkweggroepe is belangrik omdat dit ons sal help om te verstaan ​​hoe donker materie en donker energie ons heelal gevorm het.

Deep-CEE bou voort op Abell se benadering en vervang die sterrekundige deur 'n KI-model wat opgelei is om kleurbeelde te "kyk" en sterrestelsels te identifiseer. Dit is 'n moderne model gebaseer op neurale netwerke, wat ontwerp is om die manier na te boots wat 'n menslike brein leer om voorwerpe te herken deur spesifieke neurone te aktiveer wanneer hulle kenmerkende patrone en kleure visualiseer. Die KI is opgelei deur dit herhaaldelik voorbeelde van bekende, benoemde voorwerpe in beelde te wys totdat die algoritme geleer het om voorwerpe op sigself te herken.

Deep-CEE sal ook op die Rubin-teleskoop gebruik word.

Die Square Kilometer Array (SKA) is nog nie klaar nie (maar met fase 1 reeds aan die gang), 'n reeks radioteleskope wat oor kontinente strek en die grootste radioteleskoop ooit sal wees. Die hoofkantoor van It & rsquos is in Jodrell Bank in Cheshire.

Die meeste teleskope is in Suid-Afrika en Australië. Dit benodig twee superrekenaars om al die data te hanteer. In Suid-Afrika sal daar 197 radioskottels wees en in Australië meer as 131.000 antennas!

SKA sal elke jaar 600 PetaBytes data bymekaarmaak (of 1,6 PB per dag of

630 Netflix-video's per dag). Om hierdie data op 'n gemiddelde 500 GB-skootrekenaar te stoor, benodig u jaarliks ​​meer as 'n miljoen daarvan. 500GB is gelykstaande aan 500 honderd vragmotors vol papier.

Maar waarom het die SKA so 'n groot rekenaarkrag nodig?

Wetenskaplike beeld- en seinverwerking vir radiosterrekunde bestaan ​​uit verskeie fundamentele stappe, wat almal so vinnig as moontlik moet voltooi word oor duisende teleskope wat verbind word deur duisende kilometers veseloptiese kabel. Die rekenaars moet in staat wees om besluite te neem oor voorwerpe van belang, en data te verwyder wat geen wetenskaplike voordeel het nie, soos radiostoornisse van dinge soos selfone.

Wat van al die res?

Dan is daar natuurlik ook die teleskope, sterrewagte en satelliete wat al werk: een van die bekendste is die Hubble-ruimteteleskoop.

Hubble stuur elke week ongeveer 120 gigagrepe wetenskaplike data uit. Dit sou ongeveer 1 097 meter boeke op 'n rak wees. Hubble is al 30 jaar in werking en het meer as 1,5 miljoen waarnemings gedoen.

Dit gaan nie net oor die gegewens om te bepaal dat u waarnemings moet beplan nie. Dit kan ongelooflik ingewikkeld wees en die tydsberekening, die ligging van die voorwerp, die posisie van die ruimtetuig, die styging en die instel van die tye, en daar moet na baie ander veranderlikes gekyk word. Om waarnemings en tydsberekeninge te organiseer, gebruik Hubble SPIKE, wat 'n baie vinnige neurale netwerk-geïnspireerde, skeduleringsalgoritme gebruik om prestasies te behaal waarvan mense net kan droom.

Ons het miskien nie slim motors of persoonlike robots nie, maar die vordering in kunsmatige intelligensie bied alreeds vir ons almal voordele en ontdekkings. AI is nie ons meester nie, maar kan slegs leer op grond van hoe ons dit programmeer en wat ons as belangrik beskou. ten minste vir eers!



Profiele

Guillem Anglada-Escudé, Sterrekunde en Ruimtewetenskappe (SONet-raad, voorsitter)

Instituut vir Ruimtewetenskappe / CSIC, Spanje. Afgesien van my werk aan planete buite die sonkrag, stel ek belang in argitektoniese ontwerp op 'n hoë vlak van 'n buite-wêreld nedersetting met die doel om 'n multidissiplinêre poging te organiseer om 'n volhoubare en selfherhaalbare betoger op aarde te bou. Volgende keer as ons 'n ander wêreld aanpak, doen ons dit volhoubaar.
Projekte: Hoëvlak-argitektoniese stelselontwerp vir 'n aarde-demonstrator-ruimtebronne en waardekettings in die ruimte en wetenskaplike en literatuurkurasie.
Kontak: anglada by ieec.cat, Twitter: @GuillemAnglada

Engeland Apostol, Argitektuur & amp ruimtelike beplanning, Transit-georiënteerde ontwikkeling

Ek is 'n argitek by Weston Williamson + Partners wat spesialiseer in die ontwerp en aflewering van vervoerprojekte. Hiervoor het ek by SCDA Architects in Singapoer gewerk en was ek wêreldwyd betrokke by verskeie hoë-end residensiële en gasvryheidsprojekte. My ervaring fokus op die tipiese hoë geboue en vervoerbou, gevelontwerp en argitektoniese vernuwingswerk in ontluikende stede. Ek skryf ook 'n blog sheepairsupport.com waar ek eksperimenteer en hiper-toekomstige argitektoniese ruimtes onder en open source-program deel. Op grond van my ervaring hoop ek om eendag vir 'n planetêre argitektuur te kan ontwerp.
Projekte: Dra by tot die ontwerpe van menslike nedersettings buite die wêreld.
Kontak : engeland.apostol by gmail.com, Twitter: @sheepairsupport

Miquel Banchs-Piqué, Veerkragtigheid, Toekomsontleding en Energie Volhoubaarheid

Skool vir Siviele Ingenieurswese en Landmeetkunde (SCES), Universiteit van Portsmouth, Verenigde Koninkryk. Ek wil die veerkragtigheid van die energiesisteem en die interaksie daarvan met die Aarde-stelsel as geheel verbeter. Die poging om 'n selfvolhoubare nedersettings buite die wêreld te ontwerp, sal ons sekerlik insigte gee om ons te help om beter oplossings vir ons probleme hier op aarde te vind.
Projekte: Die ontwikkeling van 'n reeks toekomstige scenario's vir buite-wêreld nedersettings waarteen ontwerp kan word en die veerkragtigheid daarvan kan verbeter.
Kontak : miquel.banchs-pique op port.ac.uk, Twitter: @ mikbp23

Rory Barnes, Astrobiologie, Virtuele werklikheid, Numeriese modellering van komplekse stelsels

Universiteit van Washington, Departement Sterrekunde, Verenigde State van Amerika
Projekte:1) Numeriese modellering van omgewings en die interaksie tussen masjiene en daardie omgewings met behulp van my sagtewareprogram VPLanet as vertrekpunt. Hierdie kode is modulêr en kan aangepas word om enige generiese probleem te hanteer wat deur gewone / gedeeltelike differensiaalvergelykings en / of eksplisiete analitiese funksies voorgestel kan word., 2) Die ontwikkeling van 'n virtuele realiteitsomgewing om 'n buite-wêreldkolonie te simuleer. As medestigter en hoofwetenskaplike van VR Ulysses Inc. kan ek ons ​​span opdrag gee om virtuele voorstellings van die kolonies op te stel waarmee spanlede en ander prakties ontwerpe kan ervaar.
Kontak : rory op astro.washington.edu

Prof. Lucy Berthoud, Ruimtevaartuigstelselingenieurswese (SONet-raad)

Universiteit van Bristol, Departement Areospace Engineering, Groot-Brittanje, het as ruimtestelselingenieur gewerk aan ruimtetuie-missies na Mars, Mars-steekproef-retoer-missies en geboue met groot bevalling om Mars-monsters op aarde te huisves. Ek het 'n TEDx-toespraak oor Life on Mars gehou en navorsing gedoen oor volhoubare tegnologieë vir Marshabitats.
Projekte: Mars Express, Mars Sample Return-missie, H2020 EURO-CARES, tegniese adviseur van 'Building a Martian House' -projek gelei deur die kunstenaars Ella en Nicki,
Kontak: lucy.berthoud by bristol.ac.uk, Twitter: @lucy_berthoud

Prof. Ignasi Casanova, Planetêre verkenning, materiaal- en energietegnologieë

Universitat Politècnica de Catalunya, Institute of Energy Technologies (INTE) & amp Departement Siviele en Omgewingsingenieurswese, Spanje. Prof. Casanova het 'n PhD in geochemie en 'n graad in geologie, en het die pos as direkteur van INTE oorgeneem. Associated with the Department of Civil and Environmental Engineering of the UPC, Casanova is the coordinator of the Erasmus Mundus PhD program in Sustainable Energy Services (Select+). He has previously worked at Los Alamos National Laboratory, NASA’s Johnson Space Center, and the University of Chicago, all three in the U.S. He has also been a member of the European Space Agency’s Advisory Board on New Exploration Technologies and has participated in a number of space missions to the Moon and Mars.
Projects : Exploration and in-situ resource utilization in permanent Lunar and Martian settlements.
Contact: ignasi.casanova at upc.edu

Prof. Elisabeth Clausen, Mining Engineering

Institute for Advanced Mining Techologies, RWTH Aachen University, Germany. My background is in the field of terrestrial and deep see mining. Our major researsh area and expertise -at the Institute for Advanced Mining Technologies (AMT) of the RWTH Aachen University is the development and application of ruggedized sensor technologies being able to cope with harsh mining environments, including acquisition of data, the processing of data using sophisticaded data analytics methods for being used as informations for various mining applications.
Projects : I am interested in developing and participating in projects pushing forward research for an efficient extraction of space resources with our expertise in the field of terrestrial and deep-sea mining. Equially, space related knowledge gained and developments can also be used for advancements in on-Earth mining activities.
Contact: eclausen at amt.rwth-aachen.de

Prof. Ian Crawford, Planetary Science and Astrobiology

Birckbeck College, University of London, United Kingdom. I am interested in the identification and use of lunar resources for establishing a space-based economy which, ultimately, may lead to the evolution of a space-faring civilisation in the Solar System. I am also interested in developing the Moon to facilitate a range of scientific objectives, including lunar geology, observational astronomy, and astrobiology.
Projects : Research in lunar science, lunar resources and in-situ-resource-utilization.
Contact: i.crawford at bbk.ac.uk

Prof. David Cullen, Astrobiology and Space Biotechnology (SONet Board)

Space Group at University of Cranfield, United Kingdom. Given my biochemistry and biotechnology background, my current interests include the application of biotechnology to all aspects of activities beyond the confines of the Earth. This started with a leadership involvement with the Life Marker Chip instrument selected for the original ESA ExoMars instrument payload and now involves activities and interests ranging from CubeSat and bio-CubeSat payloads for bioscience and ISRU demonstration.
Projects : Applications through to consideration of biotechnology for ISRU involved with future planetary settlements – applications ranging from life support to bioleaching/biomining, biologically produced materials for settlement construction and manufacture and bioreactors for rocket propellant production on Mars.
Contact: d.cullen at cranfield.ac.uk

David de la Torre, Space Mission Design

Dept. de Fisica, Universitat Politecnica de Catalunya. My BSc is in Aerospace Engineering and I am currently finishing my PhD at UPC. I have been working as Visiting Researcher at the European Space Operation Center (ESOC), and participated in the CDF studies of Ice Giants and L-BEAM, and I have carried out the implementation of a low-thrust method for trajectory design. I have worked as a researcher at the Institute for Space Studies of Catalonia participating in the feasibility study of ESA’s Small Mars Satellite. I am highly interested in space research and mission design, numerical methods applied to engineering, distributed computing, and software engineering in general.
Projects : Space mission design projects, especially at Phase-0 and Phase-1, either applied to real missions or case studies. Software development/engineering projects, including implementation, validation and testing. Data mining and processing, especially applied to large databases/datasets via parallel computing. And, in general, any project that brings together the space sector and software engineering.
Contact : [email protected]

Gisela Detrell, Life Support and Energy System (SONet board)

Institute of Space Systems/University of Stuttgart, Germany. I am interested in general on how to maintain humans alive in space as independent as possible from Earth resources, shall it be in a space station around the Earth, in the Moon or Mars, or wherever the future might bring us. My current research is focused on the use of biological systems – microalgae – which are a potential good candidate for future human missions. Our algae have been so far to the ISS, we hope send them beyond that!
Projects : Photobioreactor – [email protected] Microalgae research for O2 and Food production for space applicaitons Technology transfer of microalgae based systems for Water processing on Earth.
Contact: detrell at irs.uni-stuttgart.de

Eric Fimbinger, Mining Engineering – Conveying Technology and Design Methods

Montanuniversitaet Leoben (University of Leoben), Austria. I am specialised in conveying technology (chair of the department), and I am interested in contributing to the topic of material handling in space. For the extension of earthbound boundaries into space, the processing and transportation of resources are fundamental. To ensure the functionality of systems with material movements, the unusual environmental conditions in space must be taken into account accordingly.
Projects: Numerical simulation (DEM) and mechanical engineering design, specialised in conveying technology and material handling.
Contact: eric.fimbinger at unileoben.ac.at, LinkedIn: Eric Fimbinger

Verónica Florido, Architecture, Urban Planning and Graphic Design

ABIBOO studio I am interested in finding new functional ways to inhabit spaces with new sustainable building technologies and materials. My experience is focused on architectural design in residential building typology, urban planning, and graphic design. There are new ways of living on Earth that seem to follow the premise “The only permanent thing is change.” Architects have understood that cities are collapsed, that materials have to be permanently renewed, and have realized that there are factors such as climate change and sustainability that need to be taken into account when designing. We have the opportunity to start from 0 in an off-world settlement, trying to optimize the common architectural problems we face on Earth.
Projects. Development of architectural projects building with local materials, Helping with the architectural and urban design of new human settlements in space.
Contact : veroflorido at gmail.com, Twitter : @veroflorido

Enrique García-Melendo, Planetary Atmospheres and Astronomy

Dept. de Fisica, Universitat Politecnica de Catalunya. My main research interests are planetary atmospheres of the solar system. I have been focusing on the atmospheres of the gas giants, Jupiter and Saturn, and the study of prominent phenomena such as planetary scale storms, waves, general circulation, etc. But I am also interested in the atmospheres of terrestrial planets. I am member of the TUAREG Research Group at UPC and a collaborator of the GCP (Planetary Sciences Group) at Universidad del País Vasco.
Projects : Numerical modelling of the weather layer of planetary atmospheres, and study of atmospheric phenomena from mesoscale to planetary scale.
Contact : enrique.garcia.melendo at upc.es

Philipp Hartlieb, Mining Engineering (SONet board)

Montanuniversitaet Leoben, Austria. My major area of research is excavation and fragmentation of rocks (on earth). I am interested in applying these techniques and principles to extra-terrestrial resources, where processes differ significantly due to lack of gravitation and atmosphere. Off-world settlements can only be sustainable if they can produce their own resources.
Projects : Alternative rock fragmentation concepts, blast optimisation, sustainable use of raw materials.
Contact: Philipp.hartlieb at unileoben.ac.at, Twitter: @HartliebPhilipp

Prof. Michele Lavagna, Aerospace Science (SONet board)

Politecnico di Milano, Italy. I’m leading the ASTRA group, who is involved in many space exploration and system engineering researchers. Of particular interest are the field of ISRU from the processes and the technology development perspective, the Artificial Intelligence techniques exploitation for on-board autonomy and systemmission robustness increase, the cubesats-like systems implementation, the implementation of ground-based facilitiesinfrastructures for space exploration TRL increase.
Projects : Applications related to ISRU (greenhouse and 3D printing included).
Contact: michelle.lavagna at polimi.it

Jesus Lucero, Aerospace engineering

www.linkedin.com/in/lucero-jesus I’m a Spanish aerospace engineer with an MSc. in Astronautics and Space Engineering from Cranfield University. I have a background in remote sensing and Earth observation, technology and knowledge which can be applied to monitor further worlds too in interplanetary remote sensing. I also have experience in deep space missions such as designing a sustainable settlement on Mars. Apart from that I love astronomy and have some experience on it.
Projects : I am interested and have participated in projects involving remote sensing, in-situ-resource-utilisation, hydroponics and deep space missions
Contact: jesuslucero96 at gmail.com

Prof. Jordi Miralda-Escudé, Astrophysics and Cosmology

Institut de Ciències del Cosmos, Universitat de Barcelona, Barcelona, Spain. At present my research focus is on astrophysical and cosmological methods to learn about dark matter, including gravitational lensing, axion searches, and the use of stellar streams in the Local Group. I am looking forward to spend more time in conversations on the future development of space habitats as our long term goal, and their implications for the human civilization and society.
Projects : Promote the public discussion on space resource utilization and development of human activities in space.
Contact: [email protected]

Marius Montón, Microelectronics, embedded systems, Internet of Things

Institut d’Estudis Espacials de Catalunya (IEEC). I have a PhD in Computer Science by the Universitat Autonoma de Barcelona (UAB) and Masters in Microelectronics and Electronic Systems and Computer Engineer degree from the same university. I’m co-founder at IoT Partners, engineering and consultancy focused on Internet of Things. Currently working as Head of Space Embedded & HW/SW development group at Institut d’Estudis Espacials de Catalunya (IEEC). I also works as associate professor at the UAB. Previously I was working as Head of Innovation in WorldSensing, involved in many EU projects (FP7 & H2020). Before that, I worked as Firmware engineer in the same company. I worked several years as engineer at Cephis-UAB. By this time, I was working as consultant for GreenSocs developing TLM-2.0 based solutions for ESL businesses.
Projects : I am interested in projects in developing technology for in-situ manufacture of electronic systems. With the condition that systems must maintain by themselves when operating off-world, IT infrastructure, computers, must be resilient to different hazards: radiation, aging, temperature, security, etc. We also must take into account that no replacement parts can be received from Earth and the systems must last for decades. The obvious solution is to develope methods to build the necessary components in-situ instead of depending on spares from Earth.
Contact: monton at ieec.cat

Alfredo Muñoz, Architecture and Design (SONet board)

ABIBOO Studio, USA/ Spain/ India. As a teenager, I had two passions: Astrophysics and Architecture. While competing in the finals of a national competition of Physics in Spain, I realized that there were smarter people to lead the discovery of outer space…so I decided to learn how to create space on Earth. Since then, I have had the fortune to live and work in five continents following my other passion: Architecture. SONet has brought my two passions together again, and I look forward to creating the framework for a permanent settlement in an off-world.
Projects : Over the last 20 years, I have designed and built spaces ranging from entire cities to homes for high-net-worth individuals with a total area of six million square meters across the globe.
Contact: amunoz at abiboo.com

Robert Myhill, Seismology and Mineral Physics & Mars

University of Bristol, School of Earth Sciences, United Kingdom. I am currently a member of NASA’s InSight Science Team, investigating the geophysical properties of Mars. I am interested in the insights provided by geophysics and geological sciences into off-world investigation, habitability and resource development.
Projects : Evolution of the inner solar system off-world scientific exploration and resource management.
Contact: bob.myhill at bristol.ac.uk

Owen Hughes Pearce, Architecture and Design Tutor (SONet board)

PEARCE+ / Oxford Brookes University, United Kingdom. I am a director of Pearce+ and a design tutor at the Oxford School of Architecture. My work is always at the fringes of the profession, either by investigating extreme architectural environments in Antarctica and on Mars or through non-physical, digital architectural possibilities. I am a design tutor at Oxford Brookes University with projects focusing on generational issues, hyper technology, future cities, social cohesion in high-rise housing, communication networks and issues on generation Z/Y/Z. The latest research project focuses on improving social cohesion and reducing loneliness in high-density housing on Earth and Mars.
Projects : Building the Martian House, Bristol Ontological World Enabling Network – Virtual Reality Social Networks
Contact: owen at pearce-plus.com

Joan-Pau Sanchez Cuartielles, Astrodynamics and Space Systems (SONet Board)

Space Group at University of Cranfield, United Kingdom. My research interests, and expertise, focuses on Mission Analysis, including its full synergies with space system engineering. Most of my recent work addresses issues with regards the trajectory design and navigation capabilities of near and mid-term space missions. Moreover, I am also interested in visionary concepts and macro-engineering space projects for future space ventures. This includes past work on asteroid mining, space based geo-engineering and terraforming.
Projects : Projects: Interplanetary transfer design asteroid retrieval missions and in-space resources utilization space based solar radiation management techniques for climate engineering.
Contact: jp.sanchez at cranfield.ac.uk, linkedin: https://www.linkedin.com/in/jpausanchez/

Laia Ribas Cabezas, Biological Sciences and Genetics

Institut de Ciències del Mar (ICM/CSIC). Institut de Ciències del Mar (ICM/CSIC). My research and work is at the crossroad of biology, aquaculture, fish physiology, reproduction & Immunology, genomics and epigenetics. I am interested in SONet because it creates multidisciplinary projects to achieve the development of human activities on other planets. In a new extraterrestrial scenario, the biology of novel ecosystems will be sustained under new environmental pressures that will modify the standard physiological aspects. Thus, for the sustainability of the human activities in the space and planetary bodies, it is required to evaluate the physiological alterations of the living organism in the extraterrestrial ecosystems. Here, the lasting effects of the exposition to novel environments will be studied at the cellular and molecular level of the exposed living organisms.
Projects : I am interested in developing a project is based on a battery of biological analysis (from physiology to genomics, including epigenetics) to further explore the biological adaptations to new environments of those living organisms that are pressure to live in an extraterrestrial ecosystem. Such study can generate new molecular space-markers that can help us to better understand the underlying biological mechanisms required for living in extraterrestrial environments.
Contact: lribas at icm.csic.es

Sebastian Rodriguez, Architecture, design, 3D rendering

ABIBOO Studio I am an architectural designer at Abiboo studio specialized in competitions and high impact projects. Also, I work in my own studio Scenit Arquitectura, where I seek innovation in design methods, teaching new workflows and tools, and discussing architecture paradigms through open talks at different universities. My experience is focused on developing projects using Raytrace technology actively in the design process and producing cinematic videos for those designs. Any place in space that humanity can go will need this combination of technology and art that we call architecture.
Projects : Architecture as a discipline demanding technological development to improve life on earth and allow human life in other environments.
Contact: sebastianrodriguez1990 at gmail.com, Twitter : @scenit_s

Carles Sierra Roig, Electronic and Aeronautic Engineering

Institut of Space Studies of Catalunya (IEEC) & Institute of Space Sciences (ICE/CSIC), Spain. Given my electronics and aeronautical backgrounds, my current interests include design, manufacture and test Hi-Rel electronics for big ESA missions and CubeSats, as well as the application of low cost electronics to typical Hi-Rel systems using the proper architectures to maintain or increase overall reliability. This started with me getting involved in ARIEL and LISA missions, developing several metrology and control electronics for different instruments and mechanisms (still on-going), and continued with the C3SatP system, a powerful, versatile and reliable CubeSat computer for high demand applications (MCU + MPSoC + SDR).
Projects : manufacture and test Hi-Rel electronics for big ESA missions and CubeSats, as well as the application of low cost electronics to typical Hi-Rel systems
Contact: sierra at ice.csic.es linkedin : www.linkedin.com/in/carles-sierra-roig

Lluis Soler Turu, Chemistry and Chemical Engineering

Chemical Engineering Department, Universitat Politecnica de Catalunya, Spain. My main research line is focused on heterogeneous catalysis for energy and environmental applications. Up to now, I have open collaborations with the University of Udine (Italy), the Institute of Research on Catalysis and Environment in Lyon (IRCELyon, France), the Technical University of Dresden (TU Dresden, Germany), the Max-Planck Institute for Intelligent Systems (Germany), the Institute of Materials Science of Barcelona (ICMAB), the Catalonia Institute for Energy Research (IREC) and the ALBA synchrotron.
Projects : Solar synthesis of fuels and chemical compounds by thermochemical redox cycles with Mars minerals.
Contact: lluis.soler.turu at upc.edu

Manel Soria, Space Sciences, Thermal and Fluid Dynamics Engineering

Departament de Fisica, Universitat Politecnica de Catalunya. My research work has been oriented to the numerical modelling of fluid dynamics phenomena (planetary atmospheres, aeroacoustics, heat transfer, aerodynamics) along two complementary lines: 1-Development of algorithms and simulation codes for LES /DNS with parallel computers 2-Application of high performance CFD codes to science and engineering problems.
Projects : I am interested in developing and participating in projects related to planetary exploration, thermal control, planetary atmospheres and computational fluid dynamics
Contact: manel.soria at upc.es

Miquel Sureda, Aeronautics and Space physics (SONet board)


Deep-CEE I data - Astronomy

GDL is a free/libre/open source incremental compiler compatible with IDL (Interactive Data Language) and to some extent with PV-WAVE. Together with its library routines it serves as a tool for data analysis and visualization in such disciplines as astronomy, geosciences and medical imaging. GDL development had been started by Marc Schellens back in early noughties and has since continued with help of a team of maintainers, developers, packagers and thanks to feedback from users.

IDL is a registered trademark of Harris Geospatial Solutions. PV-WAVE is a product of Rogue Wave Software.

GDL is a domain-specific programming language and a data analysis environment. As a language, it is dynamically-typed, array-oriented, vectorised and has object-oriented programming capabilities. GDL library routines handle numerical calculations, data visualisation, signal/image processing, interaction with host OS and data input/output. GDL supports several data formats such as netCDF, HDF4, HDF5, GRIB, PNG, TIFF, DICOM, etc. Graphical output is handled by X11, PostScript, SVG or z-buffer terminals, the last one allowing output graphics (plots) to be saved in a variety of raster graphics formats. GDL features integrated debugging facilities. The built-in widget functionality enables development of GUI-based software. GDL has also a Python bridge (Python code can be called from GDL GDL can be compiled as a Python module). Development and maintenance of GDL is carried out targeting Linux, BSD, OSX and Windows (MinGW, Cygwin).

GDL is invoked just by typing gdl but see gdl -h as it has a number of commandline options. GDL may be known as gnudl or gnudatalanguage on some operating systems.

Other open-source numerical data analysis tools similar to GDL include SciPy, GNU Octave, Scilab, PDL, NCL, R, Yorick.

Packaged versions of GDL are available for several Linux distributions, BSD and Mac OS X. Please note that several features of GDL depend on compile-time configuration, and might not be available in pre-built or pre-configured packages.

GDL has numerous dependencies, most of the optional but highly recommended if you want it to be areally useful tool.

    mandatory. For easy command line editing, recalling, history. mandatory. Terminal management. mandatory. compressed file access. mandatory, for many math functions. optional, but speed will suffer if not present / GraphicsMagick optional, but don't you want to read/write many image formats? mandatory unless you do not want graphic outputs and widgets? not used unless you explictly ask for it (replaced by wxWidgets for sake of compatibility on Windows, linux and MacOSX. optional, but useful for reading this kind of data. optional, but useful for reading this kind of data. optional, but useful for reading this kind of data. optional, but don't you need a fast fft at times? optional but forget about mapping capabilities if absent. optional but forget about mapping capabilities if absent. optional but helps implement IDLffXMLSAX parser objects. optional but provides clustering facilities. /NumPy optional but add python bridge and jupyter notebook. optional, units conversion optional but provides inordinate speed enhancements. /GRIB optional, for GRIB API support. optional, provides the SIMPLEX command.

Besides, for optimal use (speed mainly), GDL incorporates slightly edited code of

    as our parallel random Generator. as our new hyperfast triangulation. as interpretor. (we have written all variants up to doubles).

Build and test automation is carried out using CMake.

GDL interpreter has been developed using ANTLR v2 but unless you want to change the grammar (*.g files) you don't need ANTLR. All relevant ANTLR files are included in the source tree.

Support, feedback and contributions

Your comments are welcome! Let us know what you use GDL for. Or if you don't, why not. Which functionality are you missing/would appreciate most for coming versions. Please use the github issue-tracking system to report bugs, complaints, suggestions and comments.

Code enhancements in the form of pull requests are very welcome! Note that contributions can be made in C++, IDL/GDL or Python, as well as by providing enhancements and extensions of the README files, diagnostic messages, etc.

Among the major challenges GDL development is facing currently, there are:

    by writing test programs in GDL
  • streamlining development and maintenance of GDL reference docs and examples (using the Jupyter kernel?)
  • bringing in into the team the needed know-how to address the backlog of ANTLR-related issues
  • increasing presence within and interoperability with the Python ecosystem, including adding support for Python 3 (calling GDL from Python 2 and calling Python 2 from GDL is already implemented!)

As GDL is aimed as a drop-in replacement for IDL, resources for IDL constitute valuable sources of information for GDL users as well. These include:

  • the official IDL documentation
  • the idl-pvwave Google Group
  • the comp.lang.idl-pvwave usenet group archives (dating back to 1991!)
  • Wikipedia article on IDL and references therein
  • websites of IDL gurus including David Fanning and Michael Galloy
  • numerous tutorials and lecture notes introducing IDL

There are several open source packages compatible or interoperable with GDL, including:

  • the MPFIT curve fitting library written in IDL (also available as a Debian package)
  • the IDL Astronomy User's Library written in IDL (also available as a Debian package)
  • the Coyote library of IDL-written utilities (also available as a Debian package)
  • the TeXtoIDL package
  • the gdlde IDE
  • the IDL/GDL Jupyter kernel
  • the IDLWAVE Emacs mode
  • IDL syntax highlighting module for Vim
  • the SingleCompile extension for Vim

There have been quite some mentions of GDL in scientific literature which also provide example use cases. The Coulais et al. papers from the ADASS conferences are the best way to cite GDL as of now.

GDL development had been carried out at SourceForge in years 2003-2018 - thank you!