7 pages, 1 figure. To appear in Astronomische Nachrichten, special issue "Reconstruction the Milky Way's History: Spectroscopic surveys, Asteroseismology and Chemo-dynamical models", Guest Editors C. Chiappini, J. Montalban, and M. Steffen, AN 2016 (in press)
The Gaia mission will have a profound impact on our understanding of the structure and dynamics of the Milky Way. Gaia is providing an exhaustive census of stellar parallaxes, proper motions, positions, colors and radial velocities, but also leaves some flaring holes in an otherwise complete data set. The radial velocities measured with the on-board high-resolution spectrograph will only reach some 10% of the full sample of stars with astrometry and photometry from the mission, and detailed chemical information will be obtained for less than 1%. Teams all over the world are organizing large-scale projects to provide complementary radial velocities and chemistry, since this can now be done very efficiently from the ground thanks to large and mid-size telescopes with a wide field-of-view and multi-object spectrographs. As a result, automated data processing is taking an ever increasing relevance, and the concept is applying to many more areas, from targeting to analysis. In this paper, I provide a quick overview of recent, ongoing, and upcoming spectroscopic surveys, and the strategies adopted in their automated analysis pipelines.
PypeIt: The Python Spectroscopic Data Reduction Pipeline
PypeIt是一个Python软件包，用于半自动化天文光谱数据的简化。它的算法建立在开发人员数十年来对先前数据简化管道的开发基础上（Bernstein，Burles，& Prochaska，2015; Bochanski et al.，2009年）。简化过程--包括输入参数和可用功能的完整列表--作为Read the Reader托管的在线文档提供，该文档定期更新。（https：//pypeit.readthedocs.io/en/latest/）。版本v1.0.3提供以下光谱仪：Gemini/GNIRS，Gemini/GMOS，Gemini/FLAMINGOS 2，Lick/Kast，Magellan/MGE，Magellan/Fire，MDM/OSMOS，Keck/DEIMOS（600ZD，830G，1200G），Keck/LRIS，Keck/MOSFIRE（J和Y光栅测试），Keck/NIRES，Keck/NIRSPEC（低色散）、LBT/Luci-I、Luci-II、LBT/MODS（beta）、NOT/ALFOSC（grism4）、VLT/X-Shooter（VIS、NIR）、VLT/FORS2（300I、300V）、WHT/ISIS。
Automated multi-stressor optical fiber focal ratio degradation and throughput characterization system for future massive multiplex spectroscopic survey
University of Toronto（多伦多大学）；David A. Dunlap Department of Astronomy and Astrophysics, University of Toronto（多伦多大学戴维·A·邓普天文学与天体物理学系）；Dunlap Institute for Astronomy and Astrophysics, University of Toronto（多伦多大学邓普天文学与天体物理研究所）
Revisiting the Hubble sequence in the SDSS DR7 spectroscopic sample: a publicly available bayesian automated classification
我们提出了一个自动形态分类的4种类型（E，S 0，Sab，Scd）的~700.000星系SDSS DR 7光谱样本的基础上支持向量机。分类的主要新属性是，我们将每个星系关联到四个形态类中的概率，而不是分配一个单一的类。因此，分类更好地适应自然，我们期望不同形态类型之间的连续过渡。该算法使用视觉分类进行训练，然后与几个独立的视觉分类进行比较，包括Galaxy Zoo首次发布的目录。我们发现自动分类和经典的视觉之间有很好的相关性。编译的目录旨在用于不同的应用程序，可以在http://gepicom04.obspm.fr/sdss_morphology/Morphology_2010.html下载，很快就可以从CasJobs数据库下载。
An Automated Photometric Pipeline for the 80cm Xizang University Telescope
The Key Laboratry of Cosmic Rays (Xizang University), Ministry of Education（西藏大学宇宙射线教育部重点实验室）；Department of Physics, College of Science, Xizang University（西藏大学理学院物理系）；National Astronomical Observatories, Chinese Academic of Sciences（中国科学院国家天文台）；College of Physics and Optoelectronic Engineering, Leshan Normal University（乐山师范学院物理与光电工程学院）；Key Laboratory of Detection and Application of Space Effect in Southwest Sichuan（川西南空间效应探测与应用重点实验室）；Center for Applied Optics Research, Leshan Normal University（乐山师范学院应用光学研究中心）；The Experimental High School Attached to Beijing Normal University（北京师范大学附属实验中学）
DHARA: Data Handling and Automated Reduction pipeline for AIMPOL
Foundation for Research and Technology - Hellas（希腊研究与技术基金会）；Physical Research Laboratory（物理研究实验室）；Aryabhatta Research Institute of Observational Sciences（阿亚帕塔观测科学研究所）；University of Crete（克里特大学）；Maulana Azad National Institute of Technology（莫拉纳·阿扎德国立理工学院）
Quality Assessment of Spectroscopic Data Reduction Pipelines Using Artificial Intelligence: Scrutinizing Data Release 2 from the DESI Survey
Universidad de los Andes（安第斯大学）；Tecnológico de Monterrey, Escuela de Ingeniería y Ciencias（蒙特雷理工学院，工程与科学学院）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；University of Toronto（多伦多大学）；University of Pittsburgh（匹兹堡大学）
A Fully Automated Integral Field Spectrograph Pipeline for the SEDMachine: pysedm
目前的时间域设施每周都会发现数百个新的银河系和银河系外瞬变。对数量不断增加的瞬变进行分类是一项挑战，但对于进一步了解它们的性质，发现新的类别或确保样品纯度至关重要，例如超新星Ia宇宙学。兹威基临时设施就是这种调查的一个例子。此外，它还有一个专用的极低分辨率摄谱仪，SEDMachine，在Palomar 60英寸望远镜上运行。这个光谱仪的主要目的是物体分类。在实践中，大多数，如果不是全部，感兴趣的瞬变亮于~19 mag的类型。这相当于一晚上大约有10到15个目标。在本文中，我们提出了一个全自动流水线的SEDMachine。这条管道的设计是快速、坚固、稳定和非常灵活的。pysedm能够在曝光结束后不到5分钟内实现目标点源物体的全自动光谱提取。光谱颜色校准在百分之几的水平上是准确的。自2018年8月初pysedm投入生产以来的19周内，我们已经对大约400颗Ia型超新星和140颗II型超新星进行了分类。我们的结论是，低分辨率，全自动摄谱仪，如安装在南半球2米级望远镜上的“SEDMachine with pysedm”，可以让我们自动和同时输入并获得LSST在z<0.2范围内检测到的大多数（如果不是全部的话）明亮瞬变的红移，特别是潜在的所有Ia型超新星。与当前的SEDM设计相比，这将需要更高的光谱分辨率（R~1000）和略微改进的吞吐量。考虑到这一点，pysedm被设计成可以轻松地适应任何…
AVICA: A fully automated CASA pipeline for large volume VLBI data calibration
Institute of Astrophysics, Foundation for Research and Technology – Hellas（希腊研究基金会天体物理研究所）；Department of Physics, University of Crete（克里特大学物理系）；Department of Astrophysics, Institute for Mathematics, Astrophysics and Particle Physics (IMAPP), Radboud University（拉德堡德大学数学、天体物理和粒子物理研究所天体物理学系）
Bayesian Component Separation for DESI LAE Automated Spectroscopic Redshifts and Photometric Targeting
Harvard University（哈佛大学）；Princeton University（普林斯顿大学）；NSF NOIRLab（美国国家光学红外天文研究实验室）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Rutgers, the State University of New Jersey（新泽西州立罗格斯大学）；Purdue University（普渡大学）；Boston University（波士顿大学）；Università degli Studi di Milano（米兰大学）；INAF-Osservatorio Astronomico di Brera（意大利国家天体物理研究所布雷拉天文台）
