Nástroj pro ztotožnění objektů v inkrementální fotometrické přehlídce oblohy

Abstract

Pro získávání světelných křivek je dnes potřeba předem naplánovat přehlídku oblohy, kde jsou pevně dané souřadnice expozic, které se v průběhu přehlídky nemění. Tato práce ukazuje, že to není nutné a že lze vytěžit světelné křivky z astronomických dat, která k tomu vůbec nebyla původně určena. Tímto způsobem můžeme zrecyklovat všechny fotometrické přehlídky na světě a vytvořit k nim světelné křivky pozorovaných objektů.

Tato práce se zabývá zejména způsobem generování katalogu objektů, který je nutný pro výše zmíněné světelné křivky. V praxi se soustředí na jeden z největších problémů v astroinformatice. Jedná o klastrování datových objemů na úrovni Big Data, kde většina tradičních technik selhává a my musíme hledat nové cesty k dosažení cíle. Zabýváme se širokou škálou možných řešení z pohledu výkonu, škálovatelnosti, distribuovatelnosti, atd. Definujeme kritéria pro časovou a paměťovou složitost, která jsme vyhodnotili u všech testovaných řešení. Dále si vytvoříme kvalitativní nároky, které také zohledňujeme v hodnocení výsledků.

Používáme relační databáze jako výchozí bod implementace a srovnáváme je s nejnovějšími technologiemi potenciálně použitelnými pro řešení problému. To mohou být noSQL Array databáze nebo přesunutí výpočetně náročných fází na superpočítače s použitím paralelismu.

For light curve generation, a preplanned photometry survey is needed nowadays, where all of the exposure coordinates have to be given and don't change during the survey. This thesis shows it is not required and we can data-mine these light curves from astronomical data that was never meant for this purpose. With this approach, we can recycle all of the photometric surveys in the world and generate light curves of observed objects for them.

This thesis is addressing mostly the catalog generation process, which is needed for creating the light curves. In practice, it focuses on one of the most important problems in astroinformatics. This is clustering data volumes on Big Data scale where most of the traditional techniques stagger and we have to search for new paths to achieve our goal. We consider a wide variety of possible solutions from the view of performance, scalability, distributability, etc. We define criteria for time and memory complexity which we evaluated for all of the tested solutions. Furthermore, we create quality standards which we also take into account when evaluating the results.

We are using relational databases as a starting point of our implementation and compare them with the newest technologies potentially usable for solving our problem. These can be noSQL Array databases or transferring the heavy computations of clustering towers supercomputers by using parallelism.