 |
星系形成建模-Illustris
专用API
【更新时间: 2024.07.17】
Illustris API 当然是面向空间的，但它可能是整个组中概念最高的 API。该 API 是作为访问核心服务的另一种方式提供的，允许高数据量处理、搜索、提取、分析和可视化。
咨询
去服务商官网采购>
|
服务星级：2星
浏览次数
10
采购人数
0
试用次数
0
SLA: N/A
响应: N/A
适用于个人&企业
收藏
×
完成
取消
×
书签名称
确定
|
相似API
- API详情
- 使用指南
- 常见 FAQ
- 关于我们
- 相关推荐
产品介绍
什么是Illustris的星系形成建模?
“Illustris星系形成建模API” 是一个用于模拟和研究宇宙中星系形成和演化的工具。该API依托于Illustris项目，利用高分辨率和物理模型，进行大规模宇宙学模拟。通过该API，研究人员可以访问模拟数据，进行复杂的分析和可视化，探讨星系的形成机制及其在宇宙中的分布和演化过程。
什么是Illustris的星系形成建模？
由服务使用方的应用程序发起，以Restful风格为主、通过公网HTTP协议调用Illustris的星系形成建模，从而实现程序的自动化交互，提高服务效率。
Illustris的星系形成建模有哪些核心功能？
- 朔望模拟：迈向星系形成的预测理论。
- 移动网格上的星系形成：以前所未有的物理保真度模拟宇宙体积。
- 填充哈勃序列：恢复星系形态的多样性。
- 宇宙学背景：将星系尺度与宇宙大尺度结构联系起来。
Illustris的星系形成建模的核心优势是什么？
- 高分辨率：提供前所未有的高分辨率模拟数据，使研究更加精确。
- 综合物理模型：结合多种物理模型，提供对星系形成和演化的全面理解。
- 大规模数据：模拟了大量的星系和宇宙结构，提供丰富的数据资源供研究使用。
在哪些场景会用到Illustris的星系形成建模？
|
学术研究 研究人员可以利用该API获取星系和宇宙结构的详细数据，进行星系形成和演化机制的深入研究。
|
|
|
教育培训 通过可视化工具，教育工作者可以向学生展示宇宙结构的形成过程，帮助理解复杂的天文概念。 |
|
使用指南
API入门指南
首先，启动您选择的接口并定义一个helper函数，其目的是向指定的URL（“端点”）发出HTTP GET请求，并验证响应是否成功。如果响应类型是JSON，则自动将其解码为类似dict的对象。
>>> import requests
>>>
>>> baseUrl = 'http://www.illustris-project.org/api/'
>>> headers = {"api-key":"INSERT_API_KEY_HERE"}
>>>
>>> def get(path, params=None):
>>> # make HTTP GET request to path
>>> r = requests.get(path, params=params, headers=headers)
>>>
>>> # raise exception if response code is not HTTP SUCCESS (200)
>>> r.raise_for_status()
>>>
>>> if r.headers['content-type'] == 'application/json':
>>> return r.json() # parse json responses automatically
>>> return r
向API根发出请求。
>>> r = get(baseUrl)
响应是一个带有一个键 "simulations" 的字典对象，它是 N （在本例中当前为18）可用运行的列表：
>>> r.keys()
['simulations']
>>> len(r['simulations'])
18
打印出第一个字段的所有字段，以及所有18个字段的名称。
>>> r['simulations'][0]
{'name': 'Illustris-1',
'num_snapshots': 134,
'url': 'http://www.illustris-project.org/api/Illustris-1/'}
>>> names = [sim['name'] for sim in r['simulations']]
>>> names
['Illustris-1',
'Illustris-1-Dark',
'Illustris-2',
'Illustris-2-Dark',
'Illustris-3',
'Illustris-3-Dark',
'Illustris-1-Subbox0',
'Illustris-1-Subbox1',
'Illustris-1-Subbox2',
'Illustris-1-Subbox3',
'Illustris-2-Subbox0',
'Illustris-2-Subbox1',
'Illustris-2-Subbox2',
'Illustris-2-Subbox3',
'Illustris-3-Subbox0',
'Illustris-3-Subbox1',
'Illustris-3-Subbox2',
'Illustris-3-Subbox3']
正如预期的那样，我们看到了Illustris的三个分辨率级别，三个暗物质运行，以及每个“完整物理”运行的四个子框。每个条目只有三个字段： name 、 num_snapshots 和 url 。我们可以通过向指定的 url 提交请求来检索特定模拟的完整元数据。
让我们通过确定它是 r 中的哪个条目，然后请求该条目的 url 字段来查看Illustris-3。
>>> i = names.index('Illustris-3')
>>> i
4
>>> sim = get( r['simulations'][i]['url'] )
>>> sim.keys()
['softening_dm_max_phys',
'omega_0',
'snapshots',
...
'softening_dm_comoving',
'softening_gas_comoving']
>>> sim['num_dm']
94196375
请注意，我们实际上并不需要手动构造URL。
一般来说，这是正确的：每当API响应引用另一个资源或端点时，它都使用绝对URL，可以直接跟踪该URL以检索该资源。这意味着，不需要知道API的结构就可以导航它。
在这种情况下，我们可以从本页底部的引用表中看到，检索给定模拟的完整元数据的端点是 /api/{sim_name}/ 。因此，我们可以手动构造URL www.illustris-project.org/api/Illustris-3/ 并发送请求。或者，我们可以简单地遵循我们已经到达相同位置的 url 字段。
详情参考：https://www.illustris-project.org/data/docs/api/
产品问答
?
什么是宇宙学流体力学模拟？
宇宙学中的λ冷暗物质（Lambda-CDM）范式目前得到了空间星系大尺度分布观测数据的支持，它意味着宇宙中充满了三种不同的成分：正常物质（天文学家称之为 "重子"）、暗物质和暗能量。控制这些成分物理行为的数学模型非常复杂，只能在非常特殊的简化 "测试 "问题中精确求解。因此，要想了解近乎均匀的原始宇宙是如何演变成我们今天在夜空中观测到的多种多样的现象，就必须使用计算机模拟，通过数字方式将宇宙的某个部分向前演化。
?
模拟包括哪些物理知识？
除了引力和流体力学之外，非常复杂的物理过程，如扩散气体中的化学过程、辐射和磁场也会影响宇宙结构的形成。此外，结构的形成是一个自我调节的过程，即形成的结构，尤其是恒星和黑洞，会影响其周围环境以及下一代结构的后续演化。在《幻景号》中，对恒星形成驱动的星系风和黑洞热能注入等一整套（即使并不完整）物理过程的建模贯穿了整个宇宙历史。 这些复杂的模型对于获得逼真的建模星系群至关重要。除了引力和流体力学之外，非常复杂的物理过程，如扩散气体中的化学过程、辐射和磁场也会影响宇宙结构的形成。此外，结构的形成是一个自我调节的过程，即形成的结构，尤其是恒星和黑洞，会影响其周围环境以及下一代结构的后续演化。在《幻景号》中，对恒星形成驱动的星系风和黑洞热能注入等一整套（即使并不完整）物理过程的建模贯穿了整个宇宙历史。 这些复杂的模型对于获得逼真的建模星系群至关重要。
?
模拟利用了哪些计算方法？
在过去的几十年里，仅包括万有引力效应的宇宙演化计算机模拟已经达到了成熟和精确的程度，"千禧年 "模拟就是一个典型的例子。事实证明，那些试图同时包含气体处理方法的模拟（如 Illustris）要难得多。在计算机上模拟气体有许多根本不同的方法。 在天体物理学中，大多数研究人员使用了以下两种方法中的一种：(i) "平滑粒子流体力学"，或 SPH，在这种方法中，气态流体的质量被分割成离散数量的粒子。这些粒子在重力和流体力学的合力作用下运动，它们在任何时候的位置都表明气体的位置和运动方式。 (ii) 第二种 "欧拉 "或 "基于网格 "的方法，通常采用一种称为 "自适应网格细化 "或 AMR 的方案。在这种方法中，空间本身被划分为一个网格，网格相邻单元之间的气体流动随时间推移而计算。 Illustris模拟采用的是AREPO代码中的另一种方法，我们通常称之为 "移动非结构网格"。与 AMR 一样，空间体积被离散为许多单独的单元，但与 SPH 一样，这些单元会随着时间的推移而移动，以适应其附近的气体流动。因此，网格本身（称为空间的沃罗诺网格）没有优先方向或网格状结构。在过去的几年里，我们已经证明，这种模拟气体的新型方法与其他两种方法相比具有显著的优势，特别是对于像 Illustris 这样的大型宇宙学模拟。除了精确之外，AREPO 代码还非常高效--它可以同时在数以万计的计算机内核上运行，充分利用了目前 "高性能计算"（HPC）界用于科学研究的一些最大的计算机。Illustris模拟在法国、德国和美国的超级计算机上运行。 最大的一次在8192个计算核心上运行，耗时1900万个CPU小时（相当于一个计算机CPU运行1900万个小时，或约2000年）。
关于我们
API接口列表
使用指南
API入门指南
首先，启动您选择的接口并定义一个helper函数，其目的是向指定的URL（“端点”）发出HTTP GET请求，并验证响应是否成功。如果响应类型是JSON，则自动将其解码为类似dict的对象。
>>> import requests
>>>
>>> baseUrl = 'http://www.illustris-project.org/api/'
>>> headers = {"api-key":"INSERT_API_KEY_HERE"}
>>>
>>> def get(path, params=None):
>>> # make HTTP GET request to path
>>> r = requests.get(path, params=params, headers=headers)
>>>
>>> # raise exception if response code is not HTTP SUCCESS (200)
>>> r.raise_for_status()
>>>
>>> if r.headers['content-type'] == 'application/json':
>>> return r.json() # parse json responses automatically
>>> return r
向API根发出请求。
>>> r = get(baseUrl)
响应是一个带有一个键 "simulations" 的字典对象，它是 N （在本例中当前为18）可用运行的列表：
>>> r.keys()
['simulations']
>>> len(r['simulations'])
18
打印出第一个字段的所有字段，以及所有18个字段的名称。
>>> r['simulations'][0]
{'name': 'Illustris-1',
'num_snapshots': 134,
'url': 'http://www.illustris-project.org/api/Illustris-1/'}
>>> names = [sim['name'] for sim in r['simulations']]
>>> names
['Illustris-1',
'Illustris-1-Dark',
'Illustris-2',
'Illustris-2-Dark',
'Illustris-3',
'Illustris-3-Dark',
'Illustris-1-Subbox0',
'Illustris-1-Subbox1',
'Illustris-1-Subbox2',
'Illustris-1-Subbox3',
'Illustris-2-Subbox0',
'Illustris-2-Subbox1',
'Illustris-2-Subbox2',
'Illustris-2-Subbox3',
'Illustris-3-Subbox0',
'Illustris-3-Subbox1',
'Illustris-3-Subbox2',
'Illustris-3-Subbox3']
正如预期的那样，我们看到了Illustris的三个分辨率级别，三个暗物质运行，以及每个“完整物理”运行的四个子框。每个条目只有三个字段： name 、 num_snapshots 和 url 。我们可以通过向指定的 url 提交请求来检索特定模拟的完整元数据。
让我们通过确定它是 r 中的哪个条目，然后请求该条目的 url 字段来查看Illustris-3。
>>> i = names.index('Illustris-3')
>>> i
4
>>> sim = get( r['simulations'][i]['url'] )
>>> sim.keys()
['softening_dm_max_phys',
'omega_0',
'snapshots',
...
'softening_dm_comoving',
'softening_gas_comoving']
>>> sim['num_dm']
94196375
请注意，我们实际上并不需要手动构造URL。
一般来说，这是正确的：每当API响应引用另一个资源或端点时，它都使用绝对URL，可以直接跟踪该URL以检索该资源。这意味着，不需要知道API的结构就可以导航它。
在这种情况下，我们可以从本页底部的引用表中看到，检索给定模拟的完整元数据的端点是 /api/{sim_name}/ 。因此，我们可以手动构造URL www.illustris-project.org/api/Illustris-3/ 并发送请求。或者，我们可以简单地遵循我们已经到达相同位置的 url 字段。
详情参考：https://www.illustris-project.org/data/docs/api/
依赖服务
产品问答
?
什么是宇宙学流体力学模拟？
宇宙学中的λ冷暗物质（Lambda-CDM）范式目前得到了空间星系大尺度分布观测数据的支持，它意味着宇宙中充满了三种不同的成分：正常物质（天文学家称之为 "重子"）、暗物质和暗能量。控制这些成分物理行为的数学模型非常复杂，只能在非常特殊的简化 "测试 "问题中精确求解。因此，要想了解近乎均匀的原始宇宙是如何演变成我们今天在夜空中观测到的多种多样的现象，就必须使用计算机模拟，通过数字方式将宇宙的某个部分向前演化。
?
模拟包括哪些物理知识？
除了引力和流体力学之外，非常复杂的物理过程，如扩散气体中的化学过程、辐射和磁场也会影响宇宙结构的形成。此外，结构的形成是一个自我调节的过程，即形成的结构，尤其是恒星和黑洞，会影响其周围环境以及下一代结构的后续演化。在《幻景号》中，对恒星形成驱动的星系风和黑洞热能注入等一整套（即使并不完整）物理过程的建模贯穿了整个宇宙历史。 这些复杂的模型对于获得逼真的建模星系群至关重要。除了引力和流体力学之外，非常复杂的物理过程，如扩散气体中的化学过程、辐射和磁场也会影响宇宙结构的形成。此外，结构的形成是一个自我调节的过程，即形成的结构，尤其是恒星和黑洞，会影响其周围环境以及下一代结构的后续演化。在《幻景号》中，对恒星形成驱动的星系风和黑洞热能注入等一整套（即使并不完整）物理过程的建模贯穿了整个宇宙历史。 这些复杂的模型对于获得逼真的建模星系群至关重要。
?
模拟利用了哪些计算方法？
在过去的几十年里，仅包括万有引力效应的宇宙演化计算机模拟已经达到了成熟和精确的程度，"千禧年 "模拟就是一个典型的例子。事实证明，那些试图同时包含气体处理方法的模拟（如 Illustris）要难得多。在计算机上模拟气体有许多根本不同的方法。 在天体物理学中，大多数研究人员使用了以下两种方法中的一种：(i) "平滑粒子流体力学"，或 SPH，在这种方法中，气态流体的质量被分割成离散数量的粒子。这些粒子在重力和流体力学的合力作用下运动，它们在任何时候的位置都表明气体的位置和运动方式。 (ii) 第二种 "欧拉 "或 "基于网格 "的方法，通常采用一种称为 "自适应网格细化 "或 AMR 的方案。在这种方法中，空间本身被划分为一个网格，网格相邻单元之间的气体流动随时间推移而计算。 Illustris模拟采用的是AREPO代码中的另一种方法，我们通常称之为 "移动非结构网格"。与 AMR 一样，空间体积被离散为许多单独的单元，但与 SPH 一样，这些单元会随着时间的推移而移动，以适应其附近的气体流动。因此，网格本身（称为空间的沃罗诺网格）没有优先方向或网格状结构。在过去的几年里，我们已经证明，这种模拟气体的新型方法与其他两种方法相比具有显著的优势，特别是对于像 Illustris 这样的大型宇宙学模拟。除了精确之外，AREPO 代码还非常高效--它可以同时在数以万计的计算机内核上运行，充分利用了目前 "高性能计算"（HPC）界用于科学研究的一些最大的计算机。Illustris模拟在法国、德国和美国的超级计算机上运行。 最大的一次在8192个计算核心上运行，耗时1900万个CPU小时（相当于一个计算机CPU运行1900万个小时，或约2000年）。
