우주정보학

Astroinformatics
아카이브[1] 데이터 측정 및 검사를 통해 밝혀진 하이퍼리온 프로토 슈퍼클러스터

천체정보학은 천문학, 데이터 과학, 기계 학습, 정보학 및 정보통신 [2][3]기술의 결합을 포함하는 학제 간 연구 분야입니다.

배경

Astroinformatics는 주로 데이터 지향 [2]천문학에서 연구 및 교육을 위한 계산 과학, 데이터 과학, 기계 학습 및 통계의 도구, 방법 및 응용 프로그램을 개발하는 데 초점을 맞추고 있습니다.이러한 방향의 초기 노력에는 천문학적 가상 관측소 [6][7][8]이니셔티브에서 데이터 검색, 메타데이터 표준 개발, 데이터 모델링, 천문학적 데이터 사전 개발, 데이터 액세스, 정보 검색,[4] 데이터 통합 및 데이터[5] 마이닝이 포함되었습니다.천문학계의 지지와 함께 이 분야의 추가 발전은 2009년 미국 국립연구위원회(미국)에 2010년 천문 및 천체물리학 데카달 [9]조사를 위한 우주정보학 "전문성 상태" 포지션 페이퍼에서 제시되었다.이 포지션 페이퍼는 Informatics Journal 논문 Astroinformatics에서 이 분야에 대한 후속 상세 설명의 근거를 제공했다. 데이터 지향 천문학 연구 및 교육.[2]

별개 연구 분야인 Astroinformatics는 생물정보학 및 지리정보학 분야에서의 연구 및 Microsoft Research의 Jim Gray(컴퓨터 과학자)의 eScience[10] 연구에서 영감을 얻었으며, Jim Gray eScience [11]Awards를 통해 그 업적이 기억되고 지속되었습니다.

Astroinformatics의 주요 초점은 디지털 천문 데이터베이스, 이미지 아카이브 및 연구 도구의 전 세계에 분산된 대규모 컬렉션에 있지만, 이 분야에서는 역사적 천문 관측을 보존하고 분석하기 위해 최신 기술을 사용하는 레거시 데이터 세트의 중요성도 인식하고 있습니다.일부 천체 정보학 실무자들은 웹 기반 인터페이스를 [3][12]통해 효율적으로 검색할 수 있도록 과거 및 최근의 천문 관측과 이미지를 대규모 데이터베이스에서 디지털화하는 데 도움을 줍니다.또 다른 목표는 천문학자들을 위한 새로운 방법과 소프트웨어를 개발하는 것뿐만 아니라 [13]천문학 분야에서 빠르게 증가하는 양의 데이터를 쉽게 분석하고 처리하는 것을 돕는 것이다.

우주정보학은 천문학 [14]연구의 "제4의 패러다임"으로 묘사된다.우주정보학에는 데이터 마이닝, 기계학습, 통계, 시각화, 과학적 데이터 관리, 의미과학 [7]등 많은 연구 분야가 있다.데이터 마이닝과 머신 러닝은 "데이터로부터의 지식 발견"(KDD)과 "데이터로부터의 학습"[15][16]에 중점을 두고 있기 때문에 과학 연구 분야로서 Astroinformatics에서 중요한 역할을 합니다.

지난 10년 동안 천문학적 천체 조사를 통해 수집된 데이터의 양은 기가바이트에서 테라바이트로 증가했으며, 향후 10년 동안 Large Synoptic Survey Telescope를 사용하면 수백 페타바이트, Square Kmere [17]Array를 사용하면 엑사바이트로 증가할 것으로 예상됩니다.이렇게 방대한 양의 새로운 데이터는 효과적인 천문학 연구를 가능하게 하고 도전합니다.따라서 새로운 접근법이 필요합니다.이 때문에 데이터 중심 과학은 어느 정도 인정받는 학문 분야가 되고 있습니다.그 결과 천문학(및 기타 과학 분야)은 정보 집약적이고 데이터 집약적인 하위 분야를 개발하고 있으며, 이러한 하위 분야가 이제 독립적인 연구 분야와 본격적인 학술 프로그램이 되고 있다.많은 교육 기관들이 우주 정보학 프로그램을 자랑하지 않지만, 그러한 프로그램들은 가까운 미래에 개발될 가능성이 높다.

정보학은 최근 "연구 및 지식 창출을 위한 디지털 데이터, 정보 및 관련 서비스의 사용"으로 정의되고 있다.그러나 일반적으로 또는 일반적으로 사용되는 정의는 "정보학은 발견 및 의사결정 지원을 위해 여러 소스의 데이터를 정리, 액세스, 통합 및 마이닝하는 분야"입니다.따라서 우주정보학 분야에는 데이터 모델링, 데이터 구성 등을 포함한 많은 자연 관련 전문 분야가 포함됩니다.또한 데이터 통합 및 정보 시각화를 위한 변환 및 정규화 방법뿐만 아니라 지식 추출, 색인 기술, 정보 검색 및 데이터 마이닝 방법도 포함할 수 있습니다.분류 체계(예: 분류학, 온톨로지, 민속학 및/또는 협업[18] 태깅)와 천문 통계학도 크게 관련될 것이다.시민 과학 프로젝트(예: Galaxy Zoo)도 대규모 천문학 데이터 세트 내에서 새로운 발견, 특징 메타 태그 부착 및 개체 특성화를 높이 평가합니다.이러한 모든 전문성을 통해 연구 및 학습 환경 모두에서 다양한 대규모 데이터 수집, 협업 연구 및 데이터 재사용에 대한 과학적 발견이 가능합니다.

2012년 미국천문학회(Council of the American Astronomical Society)에 두 개의 입장서가[19][20] 제출되어 미국과 그 [21]밖의 다른 지역의 천문학을 위한 천체정보학 및 천체통계학에서 공식적인 작업 그룹을 설립하게 되었다.

우주정보학은 교육과 [22]연구의 통합을 위한 자연스러운 맥락을 제공한다.이제 연구 경험을 교실 내에서 구현하여 데이터를 [23]쉽게 재사용하여 데이터 사용능력을 확립하고 확장할 수 있습니다.또한 아카이브 데이터의 새로운 프로젝트 용도 변경, 문헌 데이터 링크, 인텔리전트한 정보 검색 [24]등 다양한 용도도 있습니다.

회의

연도 장소 링크
2021 칼텍 [1]
2020 하버드 [2]
2019 칼텍 [3]
2018 하이델베르크, 독일 [4]
2017 남아프리카공화국 케이프타운 [5]
2016 이탈리아 소렌토 [6]
2015 두브로브니크, 달마티아 [7]
2014 칠레 대학교 [8]
2013 호주 국립망원경시설, CSIRO [9]
2012 마이크로소프트 리서치 [10] 2018-10-22 Wayback Machine에 보관
2011 이탈리아 소렌토 [11]
2010 칼텍 [12] 2018-10-22 Wayback Machine에 보관

기타 회의 및 회의 목록:

아이템 링크
천문학 기계학습:가능성과 함정 (2022) [13]
ASAIP(Astrostatistics and Astrostinformatics Portal)의 회의 목록 [14]
천문 데이터 분석 소프트웨어 및 시스템(ADASS) 연례 회의 [15]

「 」를 참조해 주세요.

레퍼런스

  1. ^ "Largest Galaxy Proto-Supercluster Found - Astronomers using ESO's Very Large Telescope uncover a cosmic titan lurking in the early Universe". www.eso.org. Retrieved 18 October 2018.
  2. ^ a b c Borne, Kirk D. (12 May 2010). "Astroinformatics: data-oriented astronomy research and education". Earth Science Informatics. 3 (1–2): 5–17. doi:10.1007/s12145-010-0055-2. S2CID 207393013.
  3. ^ a b 천체정보학 및 천문유산의 디지털화 2017-12-26년 Nikolay Kirov 웨이백 머신에 보관.2010년 5월 19~20일 사라예보에서 제5회 SEEDI 국제문화과학유산의 디지털화 회의.2012년 11월 1일 취득.
  4. ^ Borne, Kirk (2000). "Science User Scenarios for a Virtual Observatory Design Reference Mission: Science Requirements for Data Mining". arXiv:astro-ph/0008307.
  5. ^ Borne, Kirk (2008). "Scientific Data Mining in Astronomy". In Kargupta, Hillol; et al. (eds.). Next generation of data mining. London: CRC Press. pp. 91–114. ISBN 9781420085860.
  6. ^ Borne, Kirk D (2003). "Distributed data mining in the National Virtual Observatory". In Dasarathy, Belur V (ed.). Data Mining and Knowledge Discovery: Theory, Tools, and Technology V. Data Mining and Knowledge Discovery: Theory, Tools, and Technology V. Vol. 5098. pp. 211–218. doi:10.1117/12.487536. S2CID 28195520.
  7. ^ a b Borne, Kirk (2013). "Virtual Observatories, Data Mining, and Astroinformatics". Planets, Stars and Stellar Systems. pp. 403–443. doi:10.1007/978-94-007-5618-2_9. ISBN 978-94-007-5617-5.
  8. ^ Laurino, O.; D’Abrusco, R.; Longo, G.; Riccio, G. (21 December 2011). "Astroinformatics of galaxies and quasars: a new general method for photometric redshifts estimation". Monthly Notices of the Royal Astronomical Society. 418 (4): 2165–2195. arXiv:1107.3160. Bibcode:2011MNRAS.418.2165L. doi:10.1111/j.1365-2966.2011.19416.x. S2CID 7115554.
  9. ^ Borne, Kirk (2009). "Astroinformatics: A 21st Century Approach to Astronomy". Astro2010: The Astronomy and Astrophysics Decadal Survey. 2010: P6. arXiv:0909.3892. Bibcode:2009astro2010P...6B.
  10. ^ "Online Science". Talks by Jim Gray. Microsoft Research. Retrieved 11 January 2015.
  11. ^ "Jim Gray eScience Award". Microsoft Research.
  12. ^ 캐나다 우주정보학, 니콜라스 M. 볼, 데이비드 셰이드2012년 11월 1일 취득.
  13. ^ "'Astroinformatics' helps Astronomers explore the sky". Phys.org. Heidelberg University. Retrieved 11 January 2015.
  14. ^ Hey, Tony (October 2009). "The Fourth Paradigm: Data-Intensive Scientific Discovery". Microsoft Research.
  15. ^ Ball, N.M.; Brunner, R.J. (2010). "Data Mining and Machine Learning in Astronomy". International Journal of Modern Physics D. 19 (7): 1049–1106. arXiv:0906.2173. Bibcode:2010IJMPD..19.1049B. doi:10.1142/S0218271810017160. S2CID 119277652.
  16. ^ Borne, K; Becla, J; Davidson, I; Szalay, A; Tyson, J. A; Bailer-Jones, Coryn A.L (2008). "The LSST Data Mining Research Agenda". AIP Conference Proceedings. pp. 347–351. arXiv:0811.0167. doi:10.1063/1.3059074. S2CID 118399971.
  17. ^ Ivezić, Ž; Axelrod, T; Becker, A. C; Becla, J; Borne, K; Burke, D. L; Claver, C. F; Cook, K. H; Connolly, A; Gilmore, D. K; Jones, R. L; Jurić, M; Kahn, S. M; Lim, K.-T; Lupton, R. H; Monet, D. G; Pinto, P. A; Sesar, B; Stubbs, C. W; Tyson, J. A; Bailer-Jones, Coryn A.L (2008). "Parametrization and Classification of 20 Billion LSST Objects: Lessons from SDSS". AIP Conference Proceedings. AIP Conf. Proc. Vol. 1082. pp. 359–365. arXiv:0810.5155. doi:10.1063/1.3059076. S2CID 117914490.
  18. ^ Borne, Kirk. "Collaborative Annotation for Scientific Data Discovery and Reuse". Bulletin of the ASIS&T. American Society for Information Science and Technology. Archived from the original on 5 March 2016. Retrieved 11 January 2016.
  19. ^ Borne, Kirk. "Astroinformatics in a Nutshell". asaip.psu.edu. The Astrostatistics and Astroinformatics Portal, Penn State University. Retrieved 11 January 2016.
  20. ^ Feigelson, Eric. "Astrostatistics in a Nutshell". asaip.psu.edu. The Astrostatistics and Astroinformatics Portal, Penn State University. Retrieved 11 January 2016.
  21. ^ Feigelson, E.; Ivezić, Ž.; Hilbe, J.; Borne, K. (2013). "New Organizations to Support Astroinformatics and Astrostatistics". Astronomical Data Analysis Software and Systems Xxii. 475: 15. arXiv:1301.3069. Bibcode:2013ASPC..475...15F.
  22. ^ Borne, Kirk (2009). "The Revolution in Astronomy Education: Data Science for the Masses". Astro2010: The Astronomy and Astrophysics Decadal Survey. 2010: P7. arXiv:0909.3895. Bibcode:2009astro2010P...7B.
  23. ^ "Using Data in the Classroom". Science Education Resource Center at Carleton College. National Science Digital Library. Retrieved 11 January 2016.
  24. ^ Borne, Kirk. Astroinformatics: Data-Oriented Astronomy (PDF). George Mason University, USA. Retrieved January 21, 2015.

외부 링크