搜索
大数据中国 首页 大数据技术 数据处理 查看内容
中秋赏月的高级姿势——高性能计算
2019-9-12 18:34 | 查看: 871| 评论: 0

又到中秋月圆时。“但愿人长久,千里共婵娟”、“举头望明月,低头思故乡”、“白兔捣药秋复春,嫦娥孤栖与谁邻”……古往今来,神秘遥远的月亮不仅寄托着人们的情感,也引发了好奇和遐想。对于很多的天文爱好者来说,一年一度的中秋无疑是赏月最佳时间。

月亮的真面目到底是怎样的?宇宙到底是如何形成的?这些问题一直吸引着人们探索宇宙星空大海,也推动着天文技术的快速发展。在宇宙天文领域,高性能计算已经成为不可或缺的工具。下面,就让我们一起尝试中秋赏月的高级姿势。

虚拟天文台:全面了解月亮及宇宙奥秘

浩瀚的宇宙总是让人感到神秘莫测,激发了无数科学家的探索梦想,在这种情况下,科学家们屡次实验发射卫星和建设天文台,以满足自身对宇宙未知世界的探索需求。在国家天文台,浪潮设计构建的超级计算机正在服务于中国虚拟天文台。

虚拟天文台(Virtual Observatory,简称VO)由虚拟的数字天空、天文望远镜和探测设备所组成,利用伽马射线、X射线、红外线、紫外线和光学巡天所得到的观测数据,用适当的方法对数据进行统一规范的整理、归档,构成一个全波段的数字虚拟天空。在这里,你可以了解月亮与宇宙更多的奥秘。

天宫二号空间站:在距地面393公里处赏月

天宫二号空间实验室,是中国自主研发的第二个空间实验室,位于距地面393公里的轨道高度,这里赏月无疑是奇妙的。

“伽马暴偏振探测(POLAR)”是中国和瑞士开展的国际合作项目。该项目是中国空间天文“黑洞探针”计划的组成部分,借助天宫二号携带的国际首个专用的高灵敏度伽马射线暴偏振测量仪器,以黑洞等极端天体作为恒星和星系演化的探针,理解宇宙极端物理过程和规律,解答宇宙组成和演化。

用世界最大综合孔径射电望远镜探索深空宇宙

目前天文观测中分辨率最高的观测手段是甚长基线干涉测量(VLBI)。VLBI是一种射电天文学测量方法,它允许用多个射电望远镜同时观测一个天体,从而模拟一个大小相当于望远镜间最大间隔距离的巨型望远镜,在嫦娥系列卫星“奔月”之路上立下了汗马功劳。如果利用VLBI技术,将更多的射电望远镜“连接”起来,是否就可以组成一个更大规模的“超级望远镜”,探索更多的宇宙奥秘?事实上,超过20个国家的约100个组织正在将这一设想付诸实践,这项国际大科学工程就是平方公里阵列射电望远镜(Square Kilometre Array,简称SKA)。

SKA是国际天文界计划建造的世界最大综合孔径射电望远镜,其接收面积达一平方公里,比目前最大厘米波综合孔径望远镜JVLA灵敏度提高50 倍、搜寻速度提高10000 倍。SKA最终将建设上千面反射面天线和一百多万个低频天线,所有这些望远镜被等效为一个反射面积高达1平方公里的超大望远镜。天文学家能够利用它观察整个天空,并监测天空中从未有过的细节。月亮当然也不在话下。

国际天文合作项目的兴起,与天文望远镜技术的快速发展息息相关。主动光学技术、自适应光学技术、光干涉技术、薄镜面拼接等新技术的出现,使得天文学的数据收集能力在过去十多年中,以类似摩尔定律的速度快速增长——光学望远镜的接收面积每二十五年增长一倍,而天文探测仪器上装备的CCD像素数更是每两年即可增长一倍。同时,天文观测也逐渐进入多波段时代,从射电到红外、光学和紫外,从X射线到伽马射线,各种波段的观测数据使得天文学家可以对天体有更全面的理解。巨大的数据产出让天文学家们第一次觉得数据多得用不了,高性能计算逐渐承担起数据计算分析和传输的重任。

结合多年高性能计算领域的深刻理解和技术创新,浪潮分别参与了中国虚拟天文台、中科院空间科学与应用研究中心以及SKA国际大科学工程等项目,以高性能计算技术助力中国和全球科学家在宇宙探测领域的科研工作。借助高性能计算在天文研究中的应用,也许在不久的将来,人们在中秋节不仅可以赏月、品尝月饼,还可以到月球和太空旅行。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-4-17 01:04 , Processed in 0.063143 second(s), 23 queries .

返回顶部