第一张黑洞照片全靠VLBI,这个Github项目教你用Python实现
【新智元导读】哈佛学生写的Python模块,用于模拟和操作VLBI数据并使用正则化最大似然法生成图像,模拟黑洞成像的算法。进入Github飙升榜TOP 3,超过1000星。
为了拍到本次的黑洞照片,科学家总共使用了8台亚毫米射电望远镜,构建成超级“虚拟”望远镜——事件视界望远镜(EHT),分别在南极、智利、墨西哥、美国夏威夷、美国亚利桑那州、西班牙同时对黑洞展开观测。
延伸阅读:为什么黑洞是红的?为什么爱因斯坦又对了?答案是黑洞背后的超算
8台望远镜组成的EHT口径13000公里,约等于地球直径。而EHT能够实现,则要归功于甚长基线干涉测量VLBI(Very-long-baseline interferometry)。
VLBI是什么
VLBI是一种在电波天文学中使用的天文干涉测量方法。简单来说就是使用多个天文望远镜,同时观测一个天然的射电天体或有无线电信标的人造天体,从而得以模拟出一个巨形望远镜获得的观测效果。
接下来,各观测站将观测数据实时传送或记录在磁盘上运送到VLBI数据处理中心,然后进行数据回放和互相关计算;再利用得到的互相关谱数据,计算得到信号到达各观测站的时间差(时延观测值)及其变化率(时延率观测值);最后利用这些VLBI观测值计算目标的角位置(赤经和赤纬)。
VLBI的测量精度可以达到百分之几角秒、千分之几角秒甚至更高。对于人造天体,如人造地球卫星、绕月卫星和深空探测器等的VLBI测轨,则利用VLBI观测值,综合测距、测速数据,进行精确的轨道测定。
VLBI在天体物理方面主要应用于类星体、射电星系核、星际脉泽源等致密射电源毫角秒级的精细结构研究和精确定位等。在天体和大地测量中,它在建立天球参考系、测定地球自转全部参数和地面参考系的基准点等方面具有不可取代的作用。
我国在VLBI领域有哪些成果
根据中科院报道,以我国学者为首,在国际合作中用VLBI测量银河系中心黑洞的边界和银河系精细结构的工作,近年来取得重大进展,赢得国际同行瞩目;在天球和地面参考系建立方面,上海和乌鲁木齐VLBI站多年以来是亚洲大陆的基准站之一。
中科院VLBI天文测量系统由上海(25米天线)、北京(50米天线)、昆明(40米天线)、乌鲁木齐(25米天线)四个VLBI观测站和上海VLBI数据处理中心组成。
中科院上海天文台自上世纪90年代起,也开始了VLBI应用于深空探测的研究,参加了多次国际合作的深空探测,如欧空局的惠更斯探测器与卡西尼宇宙飞船分离后飞向土卫六过程的VLBI测量。
关于怎么快速学python,不管你是小白还是大牛,小编我都欢迎,不定期分享干货
每天晚上20:00都会开直播给大家分享python学习知识和路线方法,群里会不定期更新最新的教程和学习方法,大家都是学习python的,或是转行,或是大学生,还有工作中想提升自己能力的,如果你是正在学习python的小伙伴可以加入学习。最后祝所有程序员都能够走上人生巅峰,让代码将梦想照进现实
用Python模拟和操作VLBI数据
听起来好像里我们非常遥远。不过,感谢Github,我们普通人也有机会接触VLBI。
哈佛大学物理系EHT理论和计算天体物理学研究生、博士生候选人Andrew Chael,在Github上创建了ehtim (eht-imaging)项目。
Andrew目前在Black Hole Initiative工作,主要研究领域是使用新的尖端方法来模拟和成像EHT的黑洞目标人马座A*(Sgr A*,后面的星号读作“star”或“星”)和室女A星系(也称为梅西尔87、M87或NGC 4486)。
ehtim主要通过一些Python模块来模拟和操作VLBI数据,并使用正则化最大似然法生成图像。包含几个用于加载、模拟和操作VLBI数据的主类。
主要的类有Image、Array、Obsdata、Imager和Caltable,提供了加载图像和数据的工具,并从真实的uv轨道生成模拟数据、校准、检查和绘制数据,以及从各种数据集生成图像,使用各种数据术语和正则化器进行极化。
安装过程非常简单,首先clone该项目
git clone https://github.com/achael/eht-imaging.git
然后进入项目根目录,运行
pip install .
此时应该会自动安装大多数所需的库,例如astropy,ephem,future,h5py,html,networkx,numpy,pandas,matplotlib,requests,scipy,skimage。
如需使用快速傅里叶变换,必须单独安装NFFT及其pynnft包装器。最简单的方法是使用conda来安装:
conda install -c conda-forge pynfft
或者,首先按照NFFT说明安装NFFT,**这里一定要确保在编译时使用**:
--enable-openmp
然后再用pip安装pynfft,按照README的教程将安装链接到NFFT的位置;最后,重新安装ehtim。pynfft的安装地址:
GitHub - pyNFFT/pyNFFT: A pythonic wrapper around the NFFT library
注意事项
用于读写.oifits文件的oifits_new代码是Paul Boley的软件包的略微修改版本,该功能目前仍在开发中,可能无法与所有版本的python或astropy一起使用。
oifits项目地址:

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
一次让人脸红心跳的python数据分析
前些天,看到某公司对数据分析师的招聘要求有一条: 分析客户人群的购买习惯,并通过客户购买行为做出相关数据分析。 好项目,正好让大家练手Python,于是决定研究亚马逊上Top100的细分品类——女式内衣!!!的销售情况。 这个话题,遐想空间很大,各位老司机坐稳咯! 分析分为三步:数据采集、数据清理、可视化分析 第一步,采集数据。没有数据怎么办,用万能的Python爬嘛。 爬取商品排名和详情页链接,需要的字段为:排名、商品名、详情页链接。 爬取商品详情,需要的信息为: 店家:也就是竞争对手。分析其爆品情况,保留店家链接,后续可针对性挖掘分析; 价格:分析爆品价格区间,对商品定价有帮助; 上架时间:什么时候上的?爆了多久; 星级、评论数、评论标签、所有评论链接:爬取评论内容,来分析爆品的优劣势; 尺寸、颜色:嗯哼?也是非常有价值的参考数据; 图片链接:难道你不想看看商品长啥样吗? 第三步,数据转化为可视化图表,并做分析。 是不是迫不及待想要看过程了,来吧~ 如何爬取内衣数据 Python爬数据很简单,我个人总结大致就 3点: 请求数据 进行数据处理 写数据 第一点 请求的数据 会有几种可能...
-
下一篇
PostgreSQL 与 MS SQL(SQL Server) 类型映射关系
标签 PostgreSQL , ms sql , SQL Server , 类型映射 背景 PostgreSQL与SQL Server的类型映射: 1、常用类型映射 https://www.codeproject.com/tips/1068276/convert-sql-server-database-to-postgresql char char / text nchar char / text varchar varchar / text nvarchar varchar / text xml xml int integer bigint
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8编译安装MySQL8.0.19
- SpringBoot2整合Redis,开启缓存,提高访问速度
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- MySQL数据库在高并发下的优化方案
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS7,8上快速安装Gitea,搭建Git服务器
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Dcoker安装(在线仓库),最新的服务器搭配容器使用