Astronomi, çok büyük boyutlu veriler ile çalışmak zorunda olan bir bilim dalıdır. Bu verilerin işlenmesi ve bilgi çıkarımı çok uzun zaman aldığı için bu verileri modelleyen bilgisayar yazılımlarının performansı çok önemlidir. Tez kapsamında gerçekleştirilen ilk çalışmada, ALMA'dan elde edilen verileri modellemek amacı ile Köln Üniversitesi tarafından geliştirilen XCLASS'ın hesap yoğun kısımları, GPU programlama tekniği ile hızlandırılmıştır. Galaksideki en büyük ve karmaşık büyük kütleli yıldız oluşum bölgelerinden biri olan, Sagittarius B2 adlı bölgeden elde edilen spektral veriler ile, XCLASS'ın CPU ve GPU versiyonları test edilmiş, performansları karşılaştırılmıştır. Elde edilen sonuçlar, GPU programlama tekniğinin, büyük boyutlu astronomik verilerin modellenmesinde kullanılan yazılımlarda yüksek performans kazancı sağladığını göstermiştir. Gökyüzünden alınan verilerden elde edilen spektral verilerde bulunan her bir çizginin varlığının ve yükseklik, frekans, genlik gibi parametrelerinin tespiti, hangi molekül, atom veya bileşenlerden oluştuğunun belirlenmesi, bölgenin yapısının çıkarılması çok önemlidir. Tez kapsamında gerçekleştirilen ikinci çalışmada, XCLASS'a entegre edilmek üzere SgrB2 adlı bölgeden elde edilen spektral verilerdeki tespit edilmesi zor olan, iç içe geçmiş çizgilerin tespiti işlemi için Otomatik çizgi tanıma yazılımı geliştirilmiştir. Gauss paketi içerisinde AGD yazılımı ile aynı verilere ait spektral çizgilerin tespiti işlemi gerçekleştirilmiş ve başarı oranları karşılaştırılmıştır. Elde edilen sonuçlar, Otomatik Çizgi Tanıma yazılımının spektral çizgilerin tespiti işleminde daha iyi sonuçlar sunduğu görülmüştür. Bu kadar büyük ve karmaşık bir alandan elde edilen verilerin başarılı bir şekilde analiz edilmesi, evrenin farklı bölgelerinde de analiz yapılabileceği anlamına gelecektir, böylece karanlık evrenin fiziksel ve kimyasal yapısı hakkında daha fazla bilgi edinmek mümkün olacaktır.
|
Astronomy is a science that has to work with very large data. Since processing of these data and extracting useful information from these data take a long time, the performance of software that models these data is very important. In the first study conducted within the scope of this thesis, compute-intensive parts of XCLASS, developed by the University of Cologne to model the data obtained from ALMA, have been accelerated by using GPU programming technique. CPU-GPU versions of XCLASS have been tested on the spectral data obtained from star formation region SgrB2 which has a mass of about 3 million of the solar mass and is one of the largest and complex high mass star formation regions and performance comparison have been made. The results show that GPU programming technique provides significant performance gain in software used for modeling large scale astronomical data. Determination of existence and parameters such as height, frequency and amplitude of each line in the spectral data obtained from the sky has great importance for determination of the structure of the region. In the second study conducted within the scope of this thesis, Automatic Line Identification software has been developed for detection of nested lines in the spectral data obtained from SgrB2 to be integrated into XCLASS. Spectral lines of the same data have been determined by using AGD algorithm in Gaussian package and the success rates have been compared with Automatic Line Identification software. The results show that the Automatic Line Identification software is successful on detecting of spectral lines. Successful analysis of large and complex area means that analysis can be made in different parts of the universe, thus, it will be possible to learn more about the physical and chemical structure of the dark universe. |