陈学雷 中国科学院国家天文台 中国虚拟天文台暨天文信息学2012年学术年会 2012.11.29 三峡大学 天籁计划、SKA 及其对信息技术的需求 陈学雷 中国科学院国家天文台 中国虚拟天文台暨天文信息学2012年学术年会 2012.11.29 三峡大学
根据超新星和宇宙微波背景辐射推断宇宙正在加速膨胀
宇宙大尺度结构
一种探测暗能量的方法： 重子声学振荡（BAO) 通过测量宇宙大尺度结构中的重子声学振荡特征测定宇宙膨胀率 H(z) 和角直径距离 dA(z)，进而推断暗能量的性质
光学测量 BAO Anderson et al.(BOSS collab.), arxiv:1203.6594
射电观测大尺度结构：强度映射方法 射电方法可以观测中性氢的21cm辐射，从而得到大尺度结构 特别适合观测光学较难观测的0.8<z<3 的宇宙，而且与光学观测互相验证，可以避免系统误差 但是，射电波段由于波长较长，角分辨率差 强度映射方法：不试图观测单个星系，只观测大尺度结构(T. Chang et al. 2008 PRL) T. Chang et al., 2010, Nature
射电干涉仪原理 From A. Falb, Basics of Radio Interferometry
综合孔径成像 （Aperture Synthesis） 射电阵列观测方式： 多个阵元实时测出接收到的无线电波 相互两两在短时内求相关（干涉）并记录下来，干涉数据称为显示度(visibility) 根据显示度，使用综合孔径成像算法可以还原出天空的辐射图 V: visibility
天籁实验的设计考虑 漂移扫描(固定望远镜，利用地球自转，更为稳定且降低成本) 0<z<3，初期也可先选某一红移观测 角分辨率: 15arcmin, 足以分辨BAO峰，相应阵列约 100m 大小，也可稍小 接收单元密集排布，以增强灵敏度 Ansari et al., 1108.1474
柱面望远镜 feeds symmetric design Jeff Peterson et al. 2006 asymmetric design instant field of view
天籁干涉数据实时处理问题 简单估计： 第一期 全规模 接收单元 100x2 2500x2 干涉对 2x104 107 采样频率 200Msps 1Gsps 总数据量(8bit) 40GB/s 5TB/s 计算量 (FFT length 1024) FFT:50Gflops+MAC:4Tflops FFT:5Tflopes+MAC:10Pflops 整个互联网流量: 20TB/s (P. Alexander 2010); 1PB (Alpha, 2012.11)
射电数据实时处理过程 模数转换(ADC)实现信号采样 FFT或多相滤波将时域信号转换为频域信号 数据交换（分布式计算） 计算每对天线、每个频率的互相关，得到显示度 保存显示度 采用分频分布式信号处理系统，保证无论阵列规模多大，每个处理单元的数据流总小于等于其数据采集率
计算方案 CPU/GPU (参见田海俊、徐洋报告） DSP/FPGA（自动化所研制） Processing board AD board
非实时数据处理 干扰和坏数据识别 定标校准 成图（CLEAN, 最大熵等）、拼图 前景减除（主成份分析、盲源分离） 点源、动目标和变源识别 21cm 功率谱估计 多波段观测交叉识别 目标分类 目标性质
射电天文学发展状况 射电望远镜阵列通过综合孔径成像进行观测 典型：VLA 有27个干涉单元 干涉基线数 ~ N2 数字技术发展允许更大规模的干涉阵列，目前ATA，LOFAR, MWA等正在研发几百个单元的阵列 未来的SKA： 由一个dish array, 一个或两个Aperture array 组成，每个array几千个单元，并包括多波束 观测红移的21cm是探测宇宙的重要手段
平方千米阵(SKA)
数据格式、标准化、自动化 目前各射电望远镜产生的数据格式仍有较大差异 有许多不同的数据处理软件（例如 AIPS, CASA, MIRIAD, ASAP, ...) 且使用比较复杂 数据处理需要复杂的手工操作，有很大任意性，在很大程度上依赖使用者的经验和技巧 传统的数据处理主要目的为获得图像，而对于宇宙学研究来说，获得统计数据往往更为重要 未来的射电数据需要更为自动化、标准化的处理，在软件方面有极大量的工作
谢谢