பைதான் ஆனது அறிவியல்ஆய்விற்காகஉதவிடும் ஒரு மிகச்சிறந்த கணினிமொழியாகவும்திகழ்கின்றது குறிப்பாக . NumPy, SciPy, Scikit-ImageandAstropy ஆகிய பல்வேறு தொகுப்புகள் அனைத்தும் வானியல் ஆய்விற்காக மிகபொருத்தமானவை என்பதற்கான சிறந்த சான்றுகளாகும், மேலும் ஏராளமான அளவில் வானியல் ஆய்விற்காக இவை பயன்படும் பயன்பாட்டு வழக்காறுகள் உள்ளன. வானியல் ஆய்வாளர்கள் பலரும் இந்த தொகுப்புகள் அனைத்தையும் தங்களுடைய ஆராய்ச்சி பணிகளுக்காக பயன்படுத்தி கொண்டுவருகின்றனர்
.இப்போது எங்கும் காணப்படும் இவ்வானியல் ஆய்வின் பெருங்குவியலான தரவுகளை சலித்து வடிகட்டி அவைகளிலிருந்து அர்த்தமுள்ளவைகளாக உருவாக்க கூடிய ஸ்கிரிப்ட்களை எழுதுவது என்பது எவருக்கும் மிகவும் எளிதான செயலாகும், மேலும், இவைகளைத் தேடினால் அனைவருக்கும் கிடைத்திடும் வகையில் கிட்டத்தட்ட பொதுவிலேயே வைக்கப்பட்டுள்ளன –
எடுத்துக்காட்டாக, VLT ஐ இயக்கும் ESO தளமானது தரவுகளை பொதுமக்கள்அனைவரரும் பதிவிறக்கம் செய்துகொள்வதற்காக அனுமதிக்கின்றது. www.eso.org/UserPortal எனும் இணையதளபக்கத்திற்கு சென்று ஏதேனும் பயனாளர் பெயரில் கணக்கொன்றை உருவாக்கியபின் இந்ததளத்திலுள்ள. SPHERE என்ற கருவியின் வாயிலாக, அருகிலுள்ள எந்தவொரு நட்சத்திரத்திற்குமான எக்ஸோபிளானட் அல்லது புரோட்டோ–ஸ்டெல்லர் டிஸ்க்குகளைக் கொண்ட முழு தரவுத்தொகுப்பைப் பதிவிறக்கம்செய்துகொள்ளலாம். எந்தவொரு பைத்தோனிஸ்டாவிற்கும் அந்த தரவுகளின் குவியலிலிருந்து சலித்து வடிகட்டி அவைகளில், ஆழமாக மறைந்திருக்கும் ஏதேனும்கோள்களை தேடிஎடுப்பதற்கு இது ஒரு அருமையான அற்புதமான செயல்திட்டமாகும்.
ESO அல்லது வேறு எந்தவொரு வானியல் இமேஜிங் தரவுத்தொகுப்பையும் பதிவிறக்கம் செய்து அந்த சாகசத்திற்குள் செல்வதற்கான ஒரு சில ஆலோசனைகுறிப்புகள் பின்வருமாறு:
1. நம்முடைய புவிக்கு மிகஅருகிலுள்ள நட்சத்திரங்களைப் பற்றிய வட்டுகளை அல்லது எக்ஸோப்ளா னெட்டுகளுடன் கூடிய நல்ல தரவுத்தொகுப்புடன் தேடுதலை துவங்கிடுக, எடுத்துக்காட்டாக: http: //archive.eso.org/wdb/wdb/eso/sphere/query எனும் தளத்தில் ஒருசில தரவுகள் சிவப்பு நிறமாகவும் வேறுசில பச்சை நிறமாகவும் குறிக்கப் பட்டுள்ளன. சிவப்பு வண்ணம் இன்னும் பொதுவில் வைக்கப்படவில்லை – அது எப்போது கிடைக்கும் என்று “வெளியீட்டு தேதி” என தேதி குறிப்பிடாமல் விடப்பட்டுள்ளது.
2. .அனைத்து தொலைநோக்கி கருவிகளிலும் பொதுவில் கிடைக்கக்கூடிய ஆவணங்களை கொண்டு தரவுகளைப் பயன்படுத்தும் கருவியைப் பற்றியும் அவை எவ்வாறு பெறப்படுகின்றன அவ்வாறுபெறப்படும் தரவுகளின் குவியலிலிருந்துநாம் தேடுவதை எவ்வாறு வடிகட்டி பயன்படுத்திடுவது என்பதற்கான அடிப்படை புரிதலைப் பெற முயற்சித்திடுக .
3. வானியல் தரவுகளை பயன்படுத்திடும்போது உருவாகும் நிலையான சிக்கல்களைக் கருத்தில் கொண்டு அவற்றுக்கான மிகச்சரியான தீர்வினை பெற முயற்சித்திடுக:
3.1. இதில் வானியல் தரவுகள் FITS கோப்புகளாக கிடைக்கின்றன. NumPy வரிசைகளில் அவற்றைப் படிக்க pyfits அல்லது astropy தேவையாகும். ஒருசில சந்தர்ப்பங்களில் தரவு கள்ஒரு கனசதுரத்தில் கிடைக்கின்றன, அவற்றை 2-டி வரிசைகளாக மாற்ற z- அச்சில்numpy.medianஐப் பயன்படுத்திகொள்க. வெவ்வேறு வடிகட்டியைக் கொண்டுள்ள வேறுசில SPHERE வகை தரவுகளுக்கு, ஒரே திரையின் வானத்தின் இரண்டு நகல்களைப் பெறமுடியும் அவைகளை பட்டியலாக்குதல் துண்டுகளாக ஆக்குதல் ஆகியவற்றைப் பயன்படுத்தி பிரித்தெடுத்திடுக.
3.2. முதன்மையான இருண்ட மோசமான பிக்சல் வரைபடங்களானவை எல்லா கருவிகளிலும் “dark frames” படங்களாக இருக்கும், அவை வெளிச்சமில்லாத கருவியினை மூடியிருக்கும் படங்களைக் கொண்டிருக்கும் . இதற்காக NumPy முகமூடி அணிகளைப் பயன்படுத்தி மோசமான பிக்சல்களின் முகமூடியைப் பிரித்தெடுக்க இதைப் பயன்படுத்திடுக. அவ்வாறு மோசமான பிக்சல்களை கண்காணித்து இறுதியில் ஒரு சுத்தமான ஒருங்கிணைந்த படத்தைப் பெறுவதற்காக தரவுகளைச் செயலாக்கும்போது ஒரு சில சந்தர்ப்பங்களில், இந்த முதன்மை இருளை அனைத்து அறிவியல் மூலப் படங்களிலிருந்தும் கழித்திடஇது உதவுகின்றது.
3.3. பொதுவாக கருவிகள் முதன்மையாகவும் தட்டை யானவாறும் இருக்கும். இதன் வாயிலாக எடுக்கப்பட்ட தொடர் படங்களிலிருந்து அனைத்து அறிவியல் மூல படங்களையும் பிரித்தெடுக்க வேண்டும்
3.4. கோள்களின்உருவப்படத்தை பொறுத்தவரை, ஒரு பிரகாசமான நட்சத்திரத்திற்கு எதிராக கோள்களைக் காண்பதற்கான அடிப்படை நுட்பம் ஒரு coronagraph மற்றும் கோண வேறுபாடு உருவப்படம் எனப்படும் ஒரு தொழில்நுட்பத்தைப் பயன்படுத்தி கொள்ளப்படுகின்றது. அதற்காக, படங்களில் உள்ள ஆப்டிகல் மையத்தை நாம் அடையாளம் காண வேண்டும். இது மிகவும் தந்திரமான படிமுறைகளில் ஒன்றாகும், மேலும் skimage.feature.blob_dog ஐப் பயன்படுத்தி படங்களில் பதிக்கப்பட்ட ஒருசில செயற்கையான உதவி படங்களை கண்டுபிடித்திடுக.
4. தரவுகளின் வடிவமைப்பையும் அவைகளை எவ்வாறு கையாளுவது என்பதையும் புரிந்து கொள்ள சிறிது நேரம் ஆகும் அதுவரை பொறுமையாக காத்திருக்கவும்
NumPy, SciPy, Astropy, scikit-image ஆகிய கருவிகளைப் பயன்படுத்தி, கொஞ்சம் பொறுமை யாகவும் விடாமுயற்சியுடன் முயன்றால் சில ஆச்சரியமான முடிவுகளைத் தருவதற்கு கிடைக்கக்கூடிய வானியல் தரவுகளின் பரந்த அளவை பகுப்பாய்வு செய்ய முடியும். யாருக்குத் தெரியும், இதுவரை யாராலும் கவனிக்கப்படாத ஏதேனும் ஒரு புதிய கோளினை கண்டுபிடித்த முதல் நபராக கூட நாம் இருக்கலாம்அல்லவா!