大数据集Galerkin的空间聚类
Spatial Clustering of Galaxies in Large Datasets
摘要：
拥有数千万个星系的数据集为空间聚类分析提出了新的挑战。我们已经建立了一个框架，它集成了一个对象目录的数据库，用于创建坏区域的掩模的工具，和一个快速（NlogN）的相关代码。该系统在SDSS星表中进行星系聚类分析方面实现了前所未有的效率。类似的方法被用来计算非常大尺度上星系的三维空间聚类。我们描述了我们的策略，估计使用数据库的光度误差的影响。我们讨论我们的努力作为数据密集型科学的早期例子。虽然在没有我们描述的框架的情况下可以得到这些结果，但如果不使用这个框架，在未来的大型数据集上执行这些计算将是不可行的。
英文摘要：
Datasets with tens of millions of galaxies present new challenges for the analysis of spatial clustering. We have built a framework that integrates a database of object catalogs, tools for creating masks of bad regions, and a fast (NlogN) correlation code. This system has enabled unprecedented efficiency in carrying out the analysis of galaxy clustering in the SDSS catalog. A similar approach is used to compute the three-dimensional spatial clustering of galaxies on very large scales. We describe our strategy to estimate the effect of photometric errors using a database. We discuss our efforts as an early example of data-intensive science. While it would have been possible to get these results without the framework we describe, it will be infeasible to perform these computations on the future huge datasets without using this framework.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
