面向FAST射电望远镜数据预处理和压缩传输研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    U1831118
  • 项目类别：
    联合基金项目
  • 资助金额：
    42.0万
  • 负责人：
    祝永新
  • 依托单位：
    中国科学院上海高等研究院
  • 学科分类：
    A3304.数据、计算和信息提取等应用基础性研究
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

To solve the bottlenecks arising from the movement of the massive radio observation data of the Five hundred meter Aperture Spherical radio Telescope (FAST), a path-finder project of the Square Kilometre Array radio telescope (SKA), we propose to study the noise characteristics of the multi-beam radio survey data and the spatial correlation characteristics of the multi-beam data to form the preprocessing based compression methods for the multi-beam radio survey data of FAST. These proposed methods will be based on the codesign methodology aquired in the process of our previous research regarding SKA prototyping design and the preprocessing and compression schemes in the domain of big data analytics. At the same time, we propose to study the preprocessing based compression methods and customized transmission mechanism for multi-beam radio search data, in order to compose a highly efficient customized transmission protocol that supports the movement of the radio observation data in 19 beams of the FAST telescope from the antenna to the computing cluster. We further propose to optimize the implementation of multi-beam data preprocessing and compression through the co-design of hardware and software. By verifying our implementation at the site of FAST telescope, we expect to make a breakthrough at the bottleneck of FAST massive radio observation data movement, and promote the progress to enhance FAST telescope from single beam debugging mode to multi -beam observation operational mode as an important step to speed up the process of China's major astronomical discoveries.
针对平方公里阵列射电望远镜（SKA）的先导项目- 500米口径球面射电望远镜（FAST）的海量射电观测数据移动的瓶颈，结合我们前期参与国际SKA原型设计研究取得的协同设计方法和在大数据领域积累的预处理与传输研究成果，提出研究FAST多波束射电搜寻数据的噪声特征和多波束数据的空间相关特征，形成面向多波束射电搜寻数据的预处理压缩方法；同时研究面向FAST多波束射电搜寻数据的压缩传输机制，形成支撑FAST望远镜19个波束的射电观测数据从天线到计算集群的高效自定义传输协议；进一步通过软硬件协同设计优化实现多波束数据预处理压缩和自定义传输方法，并通过在FAST台址的现场验证实现，尝试突破FAST海量射电观测数据移动的瓶颈，推进FAST望远镜从单波束调试模式向多波束观测模式转化，加快我国取得重大天文科学发现的进展。

结项摘要

针对平方公里阵列射电望远镜（SKA）的先导项目- 500米口径球面射电望远镜（FAST）的海量射电观测数据移动的瓶颈，结合我们前期参与国际SKA原型设计研究取得的协同设计方法和在大数据领域积累的预处理与传输研究成果，提出研究FAST多波束射电搜寻数据的噪声特征和多波束数据的空间相关特征，形成面向多波束射电搜寻数据的预处理压缩方法；同时研究面向FAST多波束射电搜寻数据的压缩传输机制，形成支撑FAST望远镜19个波束的射电观测数据从天线到计算集群的高效自定义传输协议；进一步通过软硬件协同设计优化实现多波束数据预处理压缩和自定义传输方法，并通过远程接入FAST现场进行验证，尝试突破FAST海量射电观测数据移动的瓶颈，推进FAST望远镜从单波束调试模式向多波束观测模式转化，加快我国取得重大天文科学发现的进展。..在执行过程中，中科院上海高等研究院与国家天文台密切配合，全面完成了论文、人才和技术指标。

项目成果

期刊论文数量（13）
专著数量（0）
科研奖励数量（0）
会议论文数量（4）
专利数量（0）
FPGA based acceleration of game theory algorithm in edge computing for autonomous driving
基于FPGA的自动驾驶边缘计算博弈论算法加速
  • DOI：
    10.1016/j.sysarc.2018.12.009
  • 发表时间：
    2019-02
  • 期刊：
    Journal of Systems Architecture
  • 影响因子：
    4.5
  • 作者：
    Du Sen;Huang Tian;Hou Junjie;Song Shijin;Song Yuefeng
  • 通讯作者：
    Song Yuefeng
An efficient convolutional neural network for small traffic sign detection
用于小型交通标志检测的高效卷积神经网络
  • DOI：
    10.1016/j.sysarc.2019.01.012
  • 发表时间：
    2019-08
  • 期刊：
    Journal of Systems Architecture
  • 影响因子：
    4.5
  • 作者：
    Song Shijin;Que Zhiqiang;Hou Junjie;Du Sen;Song Yuefeng
  • 通讯作者：
    Song Yuefeng
FPGA-Based Scale-Out Prototyping of Degridding Algorithm for Accelerating Square Kilometre Array Telescope Data Processing
基于 FPGA 的横向扩展去网格算法原型，加速平方公里阵列望远镜数据处理
  • DOI：
    10.1109/access.2020.2966666
  • 发表时间：
    2020-01
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Hou Junjie;Zhu Yongxin;Du Sen;Song Shijin;Song Yuefeng
  • 通讯作者：
    Song Yuefeng
Astronomical Data Preprocessing Implementation Based on FPGA and Data Transformation Strategy for the FAST Telescope as a Giant CPS
FAST巨型CPS天文数据预处理实现及数据转换策略
  • DOI：
    10.1109/access.2020.2981816
  • 发表时间：
    2020
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Song Yuefeng;Zhu Yongxin;Hou Junjie;Du Sen;Song Shijin
  • 通讯作者：
    Song Shijin
Mapping Large LSTMs to FPGAs with Weight Reuse
通过权重重用将大型 LSTM 映射到 FPGA
  • DOI：
    10.1007/s11265-020-01549-8
  • 发表时间：
    2020-07
  • 期刊：
    Journal of Signal Processing Systems for Signal Image and Video Technology
  • 影响因子：
    1.8
  • 作者：
    Zhiqiang Que;Yongxin Zhu;Hongxiang Fan;Jiuxi Meng;Xinyu Niu;Wayne Luk
  • 通讯作者：
    Wayne Luk

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于卷积目标检测的3D 眼球追踪系统深度估计
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    仪器仪表学报
  • 影响因子：
    --
  • 作者：
    潘新星;汪辉;陈灵;祝永新;杨傲雷
  • 通讯作者：
    杨傲雷

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

祝永新的其他基金

面向科学大装置超大规模数据流的定制计算研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    50 万元
  • 项目类别：
    联合基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码