Kunlun Dark Universe Survey Telescope

Zhu, Yongtian; Wang, Lifan; Yuan, Xiangyan; Gu, Bozhong; Li, Xinnan; Yang, Shihai; Gong, Xiaoli; Du, Fujia; Qi, Yongjun; Xu, Lei

doi:10.1117/12.2055768

Cited by 12 publications

(9 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…KISS will be used to obtain a unique dataset leading to new science discovers of the time varying universe in the infrared. This project also provides the ideal opportunity for enhancing the Antarctic astronomy collaboration across institutes from Australia, China, and the United States, and for further developing the technology that will be vital to the success of larger scale Antarctic telescopes [21] and instruments in the future.…”

Section: Discussionmentioning

confidence: 99%

The AST3-NIR camera for the Kunlun Infrared Sky Survey

et al. 2016

Self Cite

View full text Add to dashboard Cite

AST3-NIR is a new infrared camera for deployment with the AST3-3 wide-field survey telescope to Dome A on the Antarctic plateau. This project is designed to take advantage of the low Antarctic infrared sky thermal background (particularly within the K dark near infrared atmospheric window at 2.4 μm) and the long Antarctic nights to provide high sensitivity temporal data from astronomical sources. The data collected from the Kunlun Infrared Sky Survey (KISS) will be used to conduct a range of astronomical science cases including the study of supernovae, exo-planets, variable stars, and the cosmic infrared background.

show abstract

Section: Discussionmentioning

confidence: 99%

The AST3-NIR camera for the Kunlun Infrared Sky Survey

et al. 2016

Self Cite

View full text Add to dashboard Cite

show abstract

“…CIntIa e SUZAN são parte de uma mesma iniciativa para fornecer sistemas de classificação automática de SNs para o projeto Kulun Dark Universe Survey Telescope (KDUST), os dois classificadores são melhor explicados na secção de Revisão Bibliográfica. O projeto KDUST está construindo um grande telescópio para o observatório de Kulun na Antártida, previsto para ser instalado em 2020 [34]. Devido a localização da estação e a grande quantidade de observações previstas para o KDUST a automatização do processo de classificação se mostra essencial.…”

Section: Introductionunclassified

Untitled

Nascimento¹,

Filho²,

Guimarães³

2019

View full text Add to dashboard Cite

The classification of supernovae (explosions of certain stars) divides them into two main types, those of type I do not present Hydrogen in the spectrum while those of type II present. In addition to the division into these two types, there is still a subdivision that establishes types Ia, Ib and Ic. In practice, the classification of supernovae requires specialized knowledge of astronomers and data (light spectra) of good quality. Some automatic/intelligent classifiers have been developed and are reported in the literature, one of them is CIntIa, which uses 4 Artificial Neural Networks to classify supernovae types Ia, Ib, Ic and II. The objective of this work is to improve CIntIa, so that it has more diversity in its learning, proposing CIntIa 2.0. In this way, this work is a hierarchical learning structure that connects Artificial Neural Networks in an integrated system that allows a more secure and unambiguous classification. The computational improvement of this new version included the increased amount of data used at all stages of development of intelligent classifier and a new approach to filtering and processing of spectral data, ensuring better quality of information that are to be trained networks. The results achieved were good, especially in the classification of types Ia and II. A comparison with the works found in the literature shows that CIntIa 2.0 is superior in quantity and diversity of data and achieves higher classification indices than the other classifiers. Resumo A classificação das supernovas (explosões de certas estrelas) as divide em dois tipos principais, as do tipo I não apresentam Hidrogénio no espectro enquanto as do tipo II apresentam. Além da divisão nesses dois tipos, há ainda uma subdivisão que estabelece os tipos Ia, Ib e Ic. Na prática, a classificação das supernovas exige o conhecimento especializado de astrónomos e dados (espectros de luz) de boa qualidade. Alguns classificadores automáticos/inteligentes foram desenvolvidos e são reportados na literatura, um deles é a CIntIa, que usa 4 Redes Neurais Artificiais individuais para classificar as supernovas nos tipos Ia, Ib, Ic e II. O objetivo deste trabalho é aperfeiçoar a CIntIa, a fim de que ela tenha mais diversidade em seu aprendizado, propondo a CIntIa 2.0. Dessa maneira, este trabalho propõe uma estrutura de aprendizado hierárquica que conecta as Redes Neurais Artificiais individuais em um sistema integrado permitindo uma classificação mais segura e não ambígua. O aprimoramento computacional desta nova versão compreendeu o aumento da quantidade de dados usados em todas as fases de desenvolvimento do classificador inteligente e uma nova abordagem na filtragem e processamento dos dados espectrais, garantindo mais qualidade nas informações que são submetidas ao treinamento das redes. Os resultados obtidos com este aprimoramento demonstram um bom desempenho, principalmente na classificação dos tipos Ia e II. Uma comparação com os trabalhos encontrados na literatura mostra que a CIntIa 2.0 é superior em quantidade e diversidad...

show abstract

“…O emprego de classi cação automática de SNs, abordado em alguns trabalhos encon-trados na literatura, é justi cável pelo aumento de telescópios instalados ao redor do globo terrestre e a quantidade de dados produzida por eles diariamente. Esse será o caso do Projeto Kulun Dark Universe Survey Telescope (KDUST), telescópio que está sendo instalado na Antártida pelo governo chinês com previsão de conclusão para o ano de 2020 Zhu et al (2014). Estratégias de classi cação automática são essenciais para o processamento de grande quantidade de dados em equipamentos instalados em lugares remotos, onde não é sempre possível a presença de um especialista em SNs.…”

Section: Introductionunclassified

CINTIA 2: uma hierarquia de redes neurais artificiais binárias para classificação inteligente de supernovas

Nascimento

Filho

Guimarães

2019

RBCA

View full text Add to dashboard Cite

Supernovas são eventos catastróficos no qual algumas estrelas explodem. A classificação de supernovas é feita por especialistas por meio da análise dos espectros de luz que apresentam linhas de absorção e emissão em determinadas regiões do comprimento de onda. Os espectros de luz das supernovas apresentam padrões que podem ser usados em algoritmos de aprendizagem de máquina possibilitando assim a classificação automática e inteligente das supernovas. A classificação automática é essencial para o processamento de grande quantidade de dados em equipamentos instalados em lugares remotos, onde não é sempre possível a presença de um especialista. O objetivo deste trabalho é apresentar a CINTIA 2, aprimoramento do Classificador Inteligente de supernovas do tipo Ia, que usa uma hierarquia de redes neurais binárias do tipo Perceptron para classificar as supernovas nos tipos Ia, Ib, Ic e II. Apresentamos a arquitetura da CINTIA 2 e a ferramenta daí proveniente, desenvolvida nas linguagens de programação Python e C++. Os resultados obtidos apresentam ótimo desempenho, principalmente na classificação dos tipos Ia e II. Uma comparação com trabalhos encontrados na literatura mostra que a CINTIA 2 é superior em quantidade e diversidade de dados e alcança índices de classificação equiparáveis aos demais classificadores.

show abstract

Kunlun Dark Universe Survey Telescope

Cited by 12 publications

References 14 publications

The AST3-NIR camera for the Kunlun Infrared Sky Survey

The AST3-NIR camera for the Kunlun Infrared Sky Survey

Untitled

CINTIA 2: uma hierarquia de redes neurais artificiais binárias para classificação inteligente de supernovas

Contact Info

Product

Resources

About