exostriker 项目亮点解析
2025-06-01 09:45:37作者:庞队千Virginia
项目基础介绍
exostriker 是一款针对外星行星轨道分析、进行 N-body 模拟以及模型化由多行星系统中动态交互行星引起的 RV 恒星反运动的开源工具。它提供了一系列工具,用于详细分析传输和多普勒数据,包括用于多普勒和传输数据的功率谱分析;对多行星系统进行开普勒和动态建模;MCMC 和嵌套采样;高斯过程建模;以及多行星系统的长期稳定性检查。exostriker 结合了 Fortran 的高效性和 Python 的灵活性,并且支持跨平台兼容性(MAC OS、Linux、Windows)。
项目代码目录及介绍
项目的代码目录结构清晰,主要包含以下部分:
.idea:存放项目开发环境配置文件。examples:包含示例数据和脚本,用于演示如何使用 exostriker 进行数据分析。exostriker:核心代码库,包含 exostriker 的主要功能和模块。.gitignore:指定 Git 忽略的文件和目录。CITATION.cff:项目引用文件。LICENSE:项目许可证文件。MANIFEST.in:项目打包配置文件。README.md:项目说明文件,包含项目介绍、安装指南和使用说明。README_install.md:项目安装指南。pyproject.toml:Python 项目配置文件。
项目亮点功能拆解
exostriker 的亮点功能包括:
- RV 信号和别名搜索:通过 GLS 周期图和最大 lnL 周期图(MLP)。
- 传输信号搜索(通过 "TLS")。
- 交互式传输光度校正(通过 "wotan")。
- 对 RV 和传输光度学外星行星数据进行开普勒和动态建模。
- RVs + 传输 + GPs 最佳拟合优化。
- RVs + 传输 + GPs 的 MCMC/嵌套采样。
- 提取 TTVs。
- TTVs 和/或联合 TTVs + RVs 分析。
- 相对天文学拟合。
- GP 建模(通过 "celerite")。
- 用于去除地面基传输光度学数据的线性模型。
- 活动指数信号搜索通过 GLS 周期图。
- RVs 与活动时间序列相关性分析/图表。
- RV 自动拟合(RV 自动行星查找算法)。
- 交互式数据装箱、剪辑、异常值移除等。
- 拟合轨道近日点进动,或应用广义相对论(GR)进动。
- 即时在线访问 "RVBank" 数据库。
- 多行星系统的 AMD 稳定性检查。
- 使用 SyMBA、MVS 和带有 GR 进动的 MVS 对多行星系统进行长期稳定性检查。
- 全交互式、超快、高质量、可导出的图表。
- 方便的 "角图" GUI 控制。
- 导入/导出工作会话和多方会话。
- 将图表导出到 matplotlib 窗口以进行进一步定制。
- 导出可用的 LaTeX 表格,包含最佳拟合参数、误差和统计数据。
- 多平台兼容:支持 MAC OS、Linux 和 Windows 10/11。
- 集成的 Bash shell(仅限 Linux)。
- 集成的 Jupyter shell。
- 集成的 AI Boot(通过 openai GPT-3 -- ChatGPT,但需提供用户 openAI 密钥)。 -可作为标准 Python 库导入(即,"import exostriker")。
- 将 GUI 屏幕打印成 .jpeg/.png 图片。
- 直接导入 TESS & K2 *lc.fits 和 CHEOPS SCI_COR.fits 文件。
- 结合 Hipparcos 和成像天文学的建模(但仍在进行中,准备用于 Gaia)。
项目主要技术亮点拆解
exostriker 的主要技术亮点包括:
- 高效的 Fortran 编译的二进制文件,确保计算速度。
- 基于现代 Python 的模块化设计,易于扩展和维护。
- 强大的图形用户界面(GUI),简化用户操作。
- 支持多种数据格式和来源,提高数据处理的灵活性。
- 利用最新的统计和建模方法,如 MCMC 和嵌套采样。
- 集成的稳定性检查,为用户提供系统长期行为的预测。
与同类项目对比的亮点
相比同类项目,exostriker 在以下方面具有明显亮点:
- 高度集成的功能,覆盖了从数据预处理到结果导出的整个分析流程。
- 强大的 GUI 和脚本支持,适应不同用户需求。
- 多平台兼容性,方便用户在不同系统上使用。
- 面向社区的开放态度,积极接受用户反馈和功能建议。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0136
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
757
960
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
183
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
646