在星表数据中做人口普查换个维度看星表天文科研进展如何
在星表数据的深度挖掘中，探索时序变化的策略至关重要。这些数据是对观测结果进行量化处理的产物，每一次天体的观测都留下了其特定的记录。归档中的长期累积数据理论上包含了每个天体的所有变化信息，但直接获取时间序列数据并非易事。以光学图像为例，每张图片可以解析成千上万条星表记录，并被存储为单独的一份文件或数据库中。如果要获得某个特定天体的时间序列，我们必须在这些存档中进行复杂的检索和计算过程，这限制了我们只能研究少数候选目标，而潜在价值仍有待发掘。
为了解决这一问题，国家天文科学数据中心技术研发团队提出了AstroCatR工具，该工具能够重构来自同一望远镜归档星表数据，从而形成一个涵盖所有观测过天体全样本时序数据集。这使得对整个星表“人口普查”成为可能，有助于发现长周期变源，同时为利用机器学习和深度学习等人工智能方法发现复杂周期变源提供基础。
该研究成果已发表于《皇家天文学会月刊》，论文链接可点击查看。在此项目中，我们得到了国家自然科学基金委天文合研究基金支持，参与人员来自多所院校，实验使用AST3望远镜收集的大量观测资料。国家天文科学数据中心致力于提供高质量、标准化服务，为科研项目提供关键技术支持。
AstroCatR源代码公开发布，可以访问nadc.china-vo.org//gitee.com/AstroTJU/AstroCatR。此外，我们宣布SkyMapper DR2已经开放中国-VO CASJob服务，与LAMOST、BASS、GAIA DR2等其他星表共同工作变得更加便捷。详细信息请访问nadc.china-vo.org//nadc.china-vo.org/casjobs/