fastRESOLVE: fast Bayesian imaging for aperture synthesis in radio astronomy
标准成像算法的干涉无线电数据，CLEAN，是最佳的点源观测，但次优的漫发射。最近，人们开发了一种新的贝叶斯算法RESOLVE，它是扩展源成像的理想选择。不幸的是，RESOLVE在计算上非常昂贵。在本文中，我们提出了fastRESOLVE，修改的RESOLVE的基础上的近似的干涉的可能性，使我们能够避免昂贵的网格程序，从而获得大约100的计算时间的因素。此外，我们包括一个贝叶斯估计的测量不确定性的virons到成像，一个程序不适用于孔径合成之前。与标准方法CLEAN相比，该算法几乎不需要用户输入，同时对于扩展和微弱发射更优越。我们应用该算法的VLA数据的Abell 2199，并表明，它解决了更详细的结构。
2017-02-27 astro-ph.IM
Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy
基于马尔可夫链蒙特卡罗的贝叶斯数据分析现已成为几乎所有科学学科分析和解释数据的首选方法。在天文学中，在过去的十年中，我们也看到了采用基于蒙特卡罗的贝叶斯分析的论文数量的稳步增加。新的，有效的蒙特卡罗方法正在不断开发和探索。在本文中，我们首先解释贝叶斯理论的基础知识，并讨论如何在此框架内设置数据分析问题。接下来，我们将概述用于执行贝叶斯数据分析的各种基于蒙特卡罗的方法。最后，我们讨论先进的思想，使我们能够解决复杂的问题，从而为未来带来巨大的希望。我们还分发可下载的计算机软件（可在https://github.com/sanjibs/bmcmc/上获得），这些软件实现了本文讨论的一些算法和示例。
2017-06-06 astro-ph.IM physics.comp-ph stat.CO
A Bayesian approach to linear regression in astronomy
线性回归在天文分析中很常见。我讨论了异方差和可能相关的测量误差和内在分散的数据的贝叶斯分层建模。该方法充分考虑了时间演化。关系的斜率、归一化和内禀散射可以随红移而变化。独立变量的内在分布近似使用高斯分布的混合物，其均值和标准差取决于时间。该方法可以解决测量的自变量中的分散（一种爱丁顿偏差），响应变量中的选择效应（Malmquist偏差），以及膝盖形式的线性偏离。我用玩具模型和模拟测试了这种方法，并量化了偏见和低效建模的影响。R-package LIRA（天文学中的LInear回归）可用于执行回归。
2015-10-09 astro-ph.IM
Bilby: A user-friendly Bayesian inference library for gravitational-wave astronomy
贝叶斯参数估计正迅速成为引力波天文学的语言。这是一种利用引力波数据来推断源的天体物理性质的方法。我们介绍了一个用户友好的贝叶斯推断库的引力波天文学，比尔比。这个python代码提供了专家级的参数估计基础设施，具有简单的语法和工具，便于初学者使用。它允许用户对LIGO/Virgo的真实、免费数据和模拟数据进行准确、可靠的引力波参数估计。我们提供了一套的例子来分析紧凑的双星合并和其他类型的信号模型，包括超新星和残留的双星中子星合并。这些例子说明了如何改变信号模型，如何实现新的似然函数，以及如何添加新的检测器。Bilby具有使用分层贝叶斯建模进行人口研究的额外功能。我们提供了一个例子，我们推断的形状的黑洞质量分布的观测二进制黑洞合并的合奏。
2018-11-05 astro-ph.HE astro-ph.IM gr-qc
Massively parallel Bayesian inference for transient gravitational-wave astronomy
了解瞬态引力波的性质及其来源在物理学和天文学中具有广泛的意义。贝叶斯推断是瞬态引力波天文学中天体物理测量的标准框架。通常，随机抽样算法用于估计描述实验数据的模型的参数空间上的后验概率分布。物理上最精确的模型通常伴随着大量的计算开销，这会使数据分析非常耗时，甚至可能是令人望而却步的。在某些情况下，高度专业化的优化可以缓解这些问题，尽管它们可能难以实现，并且难以推广到数据的任意模型。在这里，我们提出了一个准确的，灵活的和可扩展的天体物理推断方法：并行嵌套采样。推理的停机时间的减少几乎与在高性能计算集群上运行的并行进程的数量成线性关系。通过在高性能集群中利用数百或数千个CPU的池，可以减轻许多天体物理推断的大的壁时间，同时确保可以“开箱即用”地使用任何引力波信号模型，即，而无需额外的优化或近似。我们的方法将有助于LIGO-Virgo-KAGRA合作和更广泛的科学界对引力波进行天体物理分析。在开源引力波推断库$\texttt{pBilby}$（并行$\texttt{bilby}$）中提供了一个实现。
2020-04-27 astro-ph.IM gr-qc
nmma: An extended Bayesian framework for Nuclear Multimessenger Astronomy in the Era of Next-Generation Detectors
Universität Potsdam（波茨坦大学）；Universiteit Utrecht（乌得勒支大学）；Nikhef（尼赫夫国家粒子物理研究所）；University of Ferrara（费拉拉大学）；INFN, Sezione di Ferrara（意大利国家核物理学院费拉拉分部）；INAF, Osservatorio Astronomico d’Abruzzo（意大利国家天体物理研究所阿布鲁佐天文台）；U. Minnesota（明尼苏达大学）；Max-Planck-Institut für Gravitationsphysik (Albert-Einstein-Institut)（马克斯·普朗克引力物理研究所（爱因斯坦研究所））
介绍nmma框架重大升级，结合理论建模和机器学习进展，通过电磁瞬变快速代理模型等方法，实现对多信使事件全贝叶斯分析，经应用展示其能力及加速效果。
2026-07-07 astro-ph.CO astro-ph.HE astro-ph.IM
When models fail: an introduction to posterior predictive checks and model misspecification in gravitational-wave astronomy
贝叶斯推断是引力波天文学中的一个强有力的工具。它使我们能够推导出合并致密天体双星的性质，并确定这些合并是如何根据质量，自旋和红移作为一个人口分布。随着越来越多地使用贝叶斯推断得出关键结果，对贝叶斯方法的审查也越来越多。在这篇综述中，我们讨论了\textit{model misspecification}的现象，其中贝叶斯推断得到的结果是误导的，因为在假设的模型（S）的缺陷。这些缺陷会妨碍我们对描述物理系统的真实参数的推断。它们还可能降低我们区分“最佳拟合”模型的能力：如果两个模型都明显不能很好地描述现实，那么说模型A优于模型B可能会产生误导。一般来说，模型失败有两种方式：未能充分描述数据（信号或噪声）的模型具有错误的可能性。人口模型--例如，设计来描述黑洞质量分布的模型--可能由于错误指定的先验而无法充分描述真实的人口。我们建议使用受引力波天文学启发的例子进行测试和检查，这对发现错误指定的模型很有用。我们包括同伴python笔记本来说明基本概念。
2022-03-08 astro-ph.IM gr-qc
Bayesian parameter estimation using conditional variational autoencoders for gravitational-wave astronomy
University of Glasgow（格拉斯哥大学）
引力波（GW）探测现在是司空见惯的，随着全球GW探测器网络灵敏度的提高，我们每年将观测到$\mathcal{O}(100)$ s的瞬态GW事件。目前用于估计其源参数的方法采用最佳敏感但计算成本高的贝叶斯推断方法，其中典型的分析需要6小时至5天。对于双星中子星和中子星黑洞系统，预计在1秒至1分钟的时间尺度上会立即产生对应的电磁（EM）特征，目前用于提醒EM后续观察者的最快方法可以在$\mathcal{O}(1)$分钟内提供对有限范围的关键源参数的估计。在这里，我们表明，一个条件变分自动编码器预先训练的二进制黑洞信号可以返回贝叶斯后验概率估计。对于给定的先验参数空间，训练过程仅需要执行一次，并且所得的经训练的机器然后可以比现有技术更快地生成描述后验分布$\sim 6$数量级的样本。
2021-12-14 astro-ph.IM cs.LG gr-qc
The Overlooked Potential of Generalized Linear Models in Astronomy-III: Bayesian Negative Binomial Regression and Globular Cluster Populations
在本文中，第三个系列说明了广义线性模型（GLM）的天文社区的权力，我们阐明了潜在的GLM类处理计数数据。星系的球状星团人口$N_{\rm GC}$的大小是天文学文献中一个长期的谜团。它属于计数数据分析的范畴，但它通常被建模为连续响应变量。我们已经开发了一个贝叶斯负二项回归模型来研究$N_{\rm GC}$和以下星系属性之间的联系：中央黑洞质量，动力学隆起质量，隆起速度色散和绝对视星等。本文介绍的方法自然占异方差，内在的散射，在两个轴（离散或连续）的测量误差，并允许建模人口的球状星团在其自然规模作为一个非负整数变量。预期$N_{\rm GC}$趋势周围99%的预测区间轻松地涵盖了数据，特别是包括迄今为止被认为是有问题的异常值的银河系。最后，我们演示了如何随机拦截模型可以将每个特定的星系形态类型的信息。贝叶斯变量选择方法允许自动识别具有不同GC产物的星系类型，这表明平均S 0星系的GC人口比具有类似亮度的其他类型小35%。
2015-08-13 astro-ph.CO astro-ph.GA astro-ph.IM
Commentary on Bayesian coincidence assessment (cross-matching)
本文是对Tamas Budavari的演讲“关于天文学中的统计交叉识别”的特邀评论，该演讲于2011年6月在宾夕法尼亚州立大学举行的现代天文学V会议的统计挑战。我首先简要回顾了以前在天文学中对方向和时空巧合进行概率（贝叶斯）评估的工作（例如，跨多个目录的对象的交叉匹配或交叉识别）。然后，我讨论了一个开放的问题，在最近的创新工作Budavari和他的同事在大规模概率交叉识别：如何分配先验概率，在分析中发挥重要作用。一个简单的玩具问题，我展示了贝叶斯多层次建模（分层贝叶斯）提供了一个原则性的框架，证明和推广实用的经验法则，已成功地使用Budavari的团队分配先验。
2012-06-19 astro-ph.IM stat.AP
On the Estimation of Confidence Intervals for Binomial Population Proportions in Astronomy: The Simplicity and Superiority of the Bayesian Approach
我提出了一个关键的审查技术，估计二项人口比例的置信区间推断成功计数在小到中等样本。人口比例经常出现在天文学研究中的感兴趣的数量;例如，在旨在限制棒分数，AGN分数，SMBH分数，合并分数或红色序列分数的研究中，表现出不同的形态特征或恒星星族。然而，两个最广泛使用的技术，用于估计二项式置信区间-“正常近似”和Clopper & Pearson的方法-容易歪曲的程度，统计的不确定性，目前经常遇到的抽样条件下，在天文调查，导致无效使用的实验数据（和，更糟糕的是，低效使用的资源，在获得数据）。因此，我在这里提供了一个二项式统计的基本原理的概述，有两个主要目的：（i）揭示的容易，具有更令人满意的行为的（贝叶斯）二项置信区间可以使用现代数学软件包从beta分布的分位数估计（例如R，matlab，approximatica，IDL，python）;（ii）令人信服地证明了“正常近似”和Clopper & Pearson方法的主要缺陷。
2011-03-01 astro-ph.IM physics.data-an
A space of inference spaces in the space sciences - parametric Bayesian inference in astronomy, cosmology and particle physics
Max Planck Institute for Extraterrestrial Physics（马克斯·普朗克地外物理学研究所）
本文通过7个维度表征推理问题的参数空间，以天文学等领域的参数贝叶斯推理样本为基础，将整理后的推理问题样本作为新采样器的标准测试平台，并提供Docker计算镜像保障可复现性与易用性。
2026-10-06 astro-ph.IM stat.CO
Bayesian functional data analysis in astronomy
Cornell University（康奈尔大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
针对天文巡天产出的海量光变曲线、光谱等函数型数据存在的采样稀疏不规则、异方差等挑战，本文概述了贝叶斯函数型数据分析的相关方法，并介绍了结合机器学习构建星系光谱低维模型的框架。
2024-08-26 astro-ph.IM stat.AP
An approach to robust Bayesian regression in astronomy
针对天文数据中的异常值与噪声模型误设，提出基于 Student t 分布的通用稳健贝叶斯线性回归方法，并通过模拟和真实数据验证其低偏差与可用性。
2025-07-31 astro-ph.IM stat.ME
Bayesian Image Reconstruction with Spatially Variant PSFs in X-ray Astronomy
Max Planck Institute for Astrophysics（马克斯·普朗克天体物理学研究所）；Faculty of Physics, Ludwig-Maximilians-Universität München（慕尼黑大学物理学院）；University Observatory, Faculty of Physics, Ludwig-Maximilians-Universität（慕尼黑大学物理学院天文台）
本文提出基于信息场论的贝叶斯推断结合空间变化PSF表示，用于X射线图像去卷积，在合成基准上优于Richardson-Lucy算法，并在仙后座A真实观测中实现更清晰重建。
2026-10-02 astro-ph.IM
Growing Pains: Understanding the Impact of Likelihood Uncertainty on Hierarchical Bayesian Inference for Gravitational-Wave Astronomy
本文研究分层贝叶斯引力波种群推断中的 Monte Carlo 统计不确定性，提出验证目录推断准确度的框架，并发现选择偏差估计是窄种群模型分析的主要瓶颈。
2023-09-28 astro-ph.IM gr-qc physics.data-an
On Bayesian analysis of on-off measurements
我们提出了一个分析解决方案的开-关问题的框架内贝叶斯统计。新现象发现的统计意义和模型参数的可信区间都以一致的方式给出。我们使用一个足够大的家庭的先验分布的相关参数。提出的分析旨在提供贝叶斯解决方案，可用于任何数量的观察到的开关事件，包括零。使用蒙特卡罗模拟检查程序。从伽马射线天文学的例子证明了该方法的实用性。
2016-03-10 astro-ph.IM
On Integral Upper Limits Assuming Power Law Spectra and the Sensitivity in High-Energy Astronomy
高能非热宇宙是由类幂律谱支配的。因此，高能天文学的结果通常被报告为幂律拟合的参数，或者在未检测到的情况下，作为上限，假设潜在的不可见光谱表现为幂律。在本文中，我证明了一个简单而强大的一对一的关系的积分上限在二维幂律参数空间到频谱参数空间，并使用这种方法来解开迄今为止错综复杂的问题的灵敏度的天体粒子望远镜。
2017-01-21 astro-ph.HE astro-ph.IM
Statistical Machine Learning for Astronomy -- A Textbook
The Ohio State University（俄亥俄州立大学）
该书以贝叶斯推断为核心框架，系统讲解面向天文学的统计机器学习方法，从基础理论到现代算法逐层推进，强调原理与严谨性，助力天文研究中的科学推断。
2026-11-03 astro-ph.IM cs.LG stat.AP
Globally optimal and scalable $N$-way matching of astronomy catalogs
基于以前的贝叶斯方法，我们引入了一种新的概率交叉识别公式，其中检测直接与（假设）天文对象以全局最优的方式。我们表明，这种新方法比枚举所有可能的候选者更适合处理多个目录，特别是在拥挤的领域的限制下，这是新一代天文学实验（如鲁宾天文台遗产时空调查（LSST））最具挑战性的观测制度。在这里，我们研究模拟目录的地面真相是已知的，并报告的统计和计算性能的方法。该文件是伴随着一个公共的软件工具来执行全局最优的目录匹配的方向数据的基础上。
2022-07-22 astro-ph.IM math.OC stat.AP
A Sustainable approach to large ICT Science based infrastructures; the case for Radio Astronomy
用于射电天文学的大型传感器基础设施将是世界上最密集的数据驱动项目之一，面临非常高的电力需求。这些基础设施及其相关处理高性能计算（HPC）设施的地理分布广泛，需要绿色信息和通信技术（ICT）。需要低功耗计算、高效数据存储、本地数据服务、智能电网电源管理和可再生能源的组合。在这里，我们概述了射电天文学项目的主要特点和创新方法，以解决功率效率和长期功率可持续性问题，重点是绿色ICT科学。
2014-06-06 astro-ph.IM physics.ins-det physics.soc-ph
Use of Python programming language in astronomy and science
Python在科学界的使用正在显著增长，天文学也不例外。Python的强大之处在于它是一种非常通用的高级语言，易于编程，结合了传统的编程和数据简化和分析工具。在这里，我对Python做了一个简单的介绍，提到了一些在该语言中实现的编程实践以及它在数据操作过程中的一些有用功能。我更详细地介绍了用于数据处理的标准科学库（NumPy和SciPy），图形库（Matplotlib）以及用于天文学的特定工具（PyFITS和PyRAF）。良好的编程实践以及如何在语言中实现也被视为。Python资源和参考资料在整个文本中被提到，为那些希望深入研究并利用该语言的强大功能的人提供。
2018-07-12 astro-ph.IM
Design, Environmental and Sustainability Constraints of new African Observatories: The example of the Mozambique Radio Astronomy Observatory
莫桑比克射电天文台（MRAO）将成为莫桑比克射电天文学发展的第一个里程碑。MRAO的开发将是参与即将到来的非洲VLBI网络和平方公里阵列项目的准备步骤。MRAO的第一个天线计划用作能力培养和培训设施，并将在南非转换7米电信天线后安装。因此，第一台射电望远镜的设计必须符合当地的光谱和环境限制。此外，还分析了可能包括太阳能和射频干扰控制的电力可用性和长期可持续性。在这里，我们概述了一些设计，环境和电力可持续性的限制。
2013-11-18 astro-ph.IM
Harnessing the Power of Adversarial Prompting and Large Language Models for Robust Hypothesis Generation in Astronomy
Australian National University（澳大利亚国立大学）；European Space Agency（欧洲空间局）；Columbia University（哥伦比亚大学）
本研究利用GPT-4结合上下文提示与对抗性提示，从NASA ADS的1000篇论文中提取知识，显著提升天文学假设生成的稳健性与有效性。
2023-06-20 astro-ph.GA astro-ph.IM cs.AI
Design, simulation and characterization of integrated photonic spectrographs for Astronomy II: Low-aberration Generation-II AWG devices with three stigmatic points
在天文学集成光子光谱仪系列的第二部分中，我们提出了关于使用三点消像散方法构建的定制硅基硅阵列波导光栅（AWG）的设计，模拟和表征的理论和实验结果。通过迭代计算光程函数的微分系数，我们得到了几种中高分辨率的场平坦AWG设计，目标是在天文H波段的分辨率为11，000 - 35，000。我们使用数值模拟来研究在1500 nm和1680 nm之间的宽波长范围内的设计的成像特性。我们从理论上讨论了在远离中心波长的光谱分辨率的设计特定的退化，并提出了可能的解决方案。在实验部分，我们提供了不同的自由光谱范围和分辨率的七个制造AWG设备的表征结果。我们获得的估计光谱分辨率高达27,600偏振输入在1550 nm的信道传输带宽的测量。此外，我们预测的数值预期分辨率高达36,000偏振模式和高达24,000非偏振模式的光谱直接连续成像。
2021-10-10 astro-ph.IM
Analysing Astronomy Algorithms for GPUs and Beyond
天文学依赖于不断增长的计算能力。处理器时钟频率已经趋于稳定，性能的提高现在以单个芯片上附加处理器内核的形式出现。这对天文软件社区提出了重大挑战。图形处理单元（GPU），现在能够通用计算，克服了困难的学习曲线和显着的加速表现出的并行硬件架构。我们提出了一种通用的方法来解决这种范式转变，基于算法的分析。我们描述了一个小集合的基础算法相关的天文学，并解释如何使用它们来缓解过渡到并行计算架构。我们证明了我们的方法的有效性，将其应用到四个著名的天文学问题：Hogbom清洁，逆射线拍摄的引力透镜，脉冲星去色散和体绘制。具有明确定义的内存访问模式和高运算强度的算法可以从并行架构中获得最大的性能提升，而那些涉及大量决策的算法可能难以利用可用的处理能力。
2010-07-09 astro-ph.IM cs.DS
0.3-to-1.5-GHz LNA with Wideband Noise and Power Matching for Radio Astronomy
本文提出一种用于512单元射电望远镜的0.3–1.5 GHz低噪声放大器，通过阻抗协同设计与宽带噪声功率匹配方法，在5:1带宽内实现低噪声与良好匹配性能。
2025-09-21 astro-ph.IM
Evaluating Bayesian deep learning for radio galaxy classification
Jodrell Bank Centre for Astrophysics（焦德雷尔班克天体物理中心）；Department of Physics & Astronomy（物理与天文学院）；University of Manchester（曼彻斯特大学）；The Alan Turing Institute（阿兰·图灵研究所）
针对射电星系分类，评估不同贝叶斯神经网络在预测性能、不确定性校准和分布偏移检测上的表现。
2024-05-28 astro-ph.IM cs.LG
The statistics of low frequency radio interference at the Murchison Radio-astronomy Observatory
我们的特点的低频射频干扰（RFI）的环境在默奇森射电天文台（MRO），选择的位置为平方公里阵列的低频分量。数据收集自位于MRO的BIGHORNS仪器，该仪器记录了2014年11月至2015年3月期间70至300 MHz之间的连续带宽。这些数据经过处理以识别RFI，我们描述了一系列时域和频域的统计数据，包括将RFI占用率和信号功率建模为一系列分布函数，目的是帮助未来的科学家和操作人员进行观测规划。
2016-10-15 astro-ph.IM
Gravitational-wave astronomy with an uncertain noise power spectral density
为了提取关于致密双星的性质的信息，我们必须估计引力波数据的噪声功率谱密度，这取决于引力波探测器的性质。在实践中，不可能完全知道这一点，只能从数据中估计。通常使用多种估计方法，每种方法都有相应的统计不确定性。然而，这种不确定性被广泛忽略时，测量描述紧凑的二元聚结的物理参数，并适当的可能性，占不确定性是不为人所知的。为了进行越来越精确的天体物理推断和模型选择，必须考虑这种不确定性。在这项工作中，我们推导出正确的可能性最广泛使用的估计方法之一，在引力波瞬态分析，中位数平均。我们证明，模拟高斯噪声遵循预测的分布。然后，我们检查真实的引力波数据和周围的时间GW 151012，一个相对较低的重要性的双黑洞合并事件。我们表明，数据是很好地描述平稳高斯噪声和探索不同的噪声功率谱密度估计方法的影响，我们得出的天体物理推断GW151012。
2020-06-16 astro-ph.HE astro-ph.IM gr-qc
RFI excision using a higher order statistics analysis of the power spectrum
在分析瞬时谱概率分布的基础上，描述了射电天文光谱观测中抑制射频干扰（RFI）的方法。这种方法允许分离的高斯成分，由于自然无线电源和非高斯RFI信号。实例中提出的形式%的计算机模拟这种方法的RFI抑制和WSRT观测与这种方法的应用。应用实时数字信号处理技术抑制射频干扰，对射电天文望远镜在恶劣的光谱环境下工作是有效的。
2010-10-04 astro-ph.IM
An Integrated Circuit for Radio Astronomy Correlators Supporting Large Arrays of Antennas
使用许多天线阵列的射电望远镜正在运行，并且正在设计和提出更大的射电望远镜。来自天线的信号通过互相关来组合。对于$N$天线，互相关的成本和功耗与$N^2$成比例，并且在足够大的$N$处占主导地位。在这里，我们报告的集成电路（IC）的设计，执行数字互相关任意多个天线在一个省电的方式。它使用一种本质上低功耗的架构，其中设备之间的数据移动被最小化。在我们的设计中，相关性是在一个4096复杂的乘法累加（CMAC）单元的阵列。这足以对64个信号（$N$ =32个天线，每个天线2个相反极化信号）并行执行所有相关。当$N$较大时，输入数据缓冲在片内存储器中，CMAC根据需要重复使用多次，以计算所有相关性。该设计已被合成和模拟，以获得准确的估计IC的大小和功耗。它旨在采用32 nm绝缘体上硅工艺制造，其中需要小于12 mm $^2$的硅面积，并根据天线的数量实现每次CMAC操作1.76至3.3 pJ的能效。操作已详细分析，直到$N=4096$。包括板级I/O、电源和控制在内的系统级能效预计为每次CMAC操作5至7 pJ。
2016-04-17 astro-ph.IM
Design, simulation and characterization of integrated photonic spectrographs for Astronomy I: Generation-I AWG devices based on canonical layouts
我们提出了一个实验研究，我们的第一代定制开发的阵列波导光栅（AWG）在二氧化硅平台上的光谱应用在近红外天文学。我们提供了一个全面的描述的设计，数值模拟和表征的几个AWG设备的光谱分辨率为15,000 - 60,000天文H波段。我们评估的光谱特性的制造设备的插入损耗和估计的光谱分辨能力，并比较结果与数值模拟。我们估计分辨率高达18，900从输出通道3 dB传输带宽。基于第一次的表征结果，我们选择了两个候选AWG的进一步处理，通过去除输出波导阵列和抛光的输出面的光学质量与集成的目标作为主要的衍射元件在交叉色散光谱仪。我们进一步研究了处理后的任意波导光栅在直接成像模式下的光谱分辨率、几何相关的散焦像差和光谱图像的偏振灵敏度方面的成像特性。我们确定相位误差控制，双折射控制和像差抑制作为未来研究和发展的三个关键领域，在天文学领域的高分辨率AWG光谱。
2021-07-13 astro-ph.IM physics.optics
Compatibility Between Wind Turbines and the Radio Astronomy Service
现代射电天文学设施不仅能够探测到来自宇宙的极其微弱的电磁信号，而且能够探测到来自各种来源的人为射频干扰的信号。这些范围从有用的信号到无线电服务和应用的不必要的带外发射，再到各种电子和电气设备产生的电磁干扰。能量收集风力涡轮机不仅配备有电功率转换硬件，而且还配备有大量的电子设备来控制和监测涡轮机。因此，射电望远镜附近的风力涡轮机可能会导致有害的干扰，破坏测量的天文数据。许多观测站寻求与风力涡轮机制造商和运营商以及当地规划当局协调新风电场的位置，以避免这种情况。在我们的研究中，我们提供的例子，以及指导方针，确定风力涡轮机和无线电观测站之间的间隔距离，使两者的良性共存。建议的计算需要三个基本步骤。首先，根据适用于工业设备的欧洲EN 550011（CISPR-11）标准确定预期的最大发射功率水平。其次，通过国际电信联盟提供的模型计算沿路径到无线电接收机的传播损耗。最后，将接收到的功率与所考虑的受保护射电天文观测波段的允许功率极限进行比较。可以针对望远镜站点周围的每个位置执行该过程，以便获得潜在有问题的风力涡轮机位置的地图。
2018-12-11 astro-ph.IM
CubeSats for Astronomy and Astrophysics
立方体卫星有可能扩大天体物理发现空间，补充地面电磁和引力波观测站。CubeSat的设计规格有助于简化仪器有效载荷向太空的交付。CubeSat的规划者在调整轨道以满足观测需要方面有更多的选择，在迅速重新安排观测以应对瞬变方面可能有更大的灵活性。随着1000多颗立方体卫星的发射，与立方体卫星标准兼容的商用现货（COTS）组件的可用性和性能也相应增加，从太阳能电池板和动力系统到用于三轴稳定和精确姿态控制的反作用轮。商用部件可以降低立方体卫星飞行任务的成本，从而可以将更多的资源用于科学仪器有效载荷的开发和技术演示。
2019-12-02 astro-ph.IM
Generation of Correlated Time Series for X-ray Astronomy Applications
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
本文提出一种生成具有任意功率谱、相干函数和相位滞后轮廓的时间序列对的算法，可用于X射线天文学中测试多洛伦兹拟合技术，经双洛伦兹模型验证，生成数据与输入模型吻合良好。
2026-08-04 astro-ph.HE astro-ph.IM
Statistical Methods for Astronomy
本文概述了数理统计的概念，概率论的元素，假设检验和点估计用于分析现代天文数据。最小二乘，极大似然，和贝叶斯方法统计推断处理。当统计量的分布函数未知时，恢复方法，特别是自举法，提供了有价值的程序。考虑了模型选择和拟合优度的几种方法。简要讨论了与天文学研究有关的应用统计学：在对天文学总体或过程的行为知之甚少时使用的非参数方法;用核密度估计和非参数回归进行数据平滑;多变量问题的无监督聚类和监督分类程序;光变曲线的时域和频域时间序列分析;以及空间统计，用于解释低维点的空间分布。介绍了两种类型的资源：统计学各个领域的约40种推荐文本和专著，以及用于统计分析的公共领域R软件系统。再加上它的\sim 3500（和不断增长的）附加CRAN包，R实现了一个连贯的高级语言与先进的图形统计过程的广泛。
2012-05-09 astro-ph.IM stat.AP
Computational statistics using the Bayesian Inference Engine
本文介绍了贝叶斯推断引擎（BIE），一个通用的并行，优化的参数推断和模型选择的软件包。该软件包的动机是现代天文调查的分析需求，以及组织和重复使用昂贵的衍生数据的需要。BIE是第一个明确设计用于贝叶斯更新和天文问题模型比较的计算统计平台。贝叶斯更新是基于使用基于度量球树的核密度估计的高维后验分布的表示。在其算法产品中，BIE强调混合回火MCMC方案，该方案在高维参数空间中对多峰后验分布进行鲁棒采样。此外，BIE实现了一个完整的持久性或序列化系统，该系统存储运行推理的完整字节级图像和先前表征的后验分布以供以后使用。两个新的算法来计算边际似然后验分布，开发和实施的BIE，使模型比较复杂的模型和数据集。最后，BIE被设计成一个将贝叶斯方法应用于天文学的协作平台。它包括一个可扩展的面向对象和易于扩展的框架，实现了贝叶斯推断的各个方面。通过为推理问题的所有阶段提供各种统计算法，科学家可以用单个模型和数据实现探索各种方法。其他技术细节和下载细节可从http://www.astro.umass.edu/bie获得。BIE在GNU GPL下发布。
2013-07-29 astro-ph.IM
Eryn : A multi-purpose sampler for Bayesian inference
本研究提出整合多种贝叶斯推断进展的MCMC算法，构建了多用途工具箱Eryn，可处理从简单推断到跨维度的参数估计与模型选择问题，并通过多类用例验证其功能。
2023-10-10 astro-ph.CO astro-ph.IM gr-qc
Unleashing the Power of Distributed CPU/GPU Architectures: Massive Astronomical Data Analysis and Visualization case study
即将到来的和未来的天文学研究设施将系统地生成TB大小的数据集，将天文学带入Petascale数据时代。虽然这些设施将为天文学家提供前所未有的准确度和覆盖范围，但数据集大小和维度的增加将对许多当前的天文学数据分析和可视化工具构成严重的计算挑战。在这样的数据大小的情况下，即使是简单的数据分析任务（例如，计算直方图或计算数据最小值/最大值）在不访问超级计算设施的情况下也可能无法实现。为了有效地处理这样的数据集大小，这超过了今天的单机内存和处理限制，我们提出了一个框架，利用GPU和众核CPU的分布式电源，目标是提供数据分析和可视化任务作为天文学家的服务。通过混合共享和分布式内存架构，我们的框架有效地利用底层硬件基础设施处理批处理和实时数据分析和可视化任务。以“软件即服务”的方式提供这种功能作为服务将降低总拥有成本，为更广泛的天文社区提供易于使用的工具，并使底层硬件基础设施的利用更加优化。
2011-11-29 astro-ph.IM cs.DC
