The work of astronomers is getting more complex and advanced as the progress of computer development occurs. With improved computing capabilities and increased data flow, more sophisticated software is required in order to interpret, and fully exploit, astronomic data. However, it is not possible for every astronomer to also be a software specialist. As history has shown, the work of scientists always becomes increasingly specialised, and we here argue in favour of another, at least partial, split between "programmers" and "interpreters". In this presentation we outline our vision for a new approach and symbiosis between software specialists and scientists, and present its advantages along with a simple test case.
Indigenizing the next decade of astronomy in Canada
加拿大真相与和解委员会（Truth and Reconciliation Commission of Canada）在2015年发布了94项建议。这94项建议中有许多与教育、语言和文化直接相关，其中一些建议加拿大天文学界可以作为和解的一部分加以解决和促进。加拿大天文学界有一项额外的义务，因为它受益于加拿大和世界各地土著领土上的设施。此外，土著人在加拿大天文学的各个层面上仍然代表性不足。这份社区文件的目的是为加拿大天文学界提出建议，以支持土著人融入科学界，通过开发基于土著人的学习材料支持土著人学习，并促进获得专业人员和科学活动，并承认和承认土著社区对我们的科学活动的巨大贡献。作为这项工作的一部分，我们为CASCA作为一个组织提出了以下十项建议，在整个社区文件中，我们将包括针对个人的其他建议：天文学家，学生和学者。
Hunting for new glitches in LIGO data using community science
University of Glasgow（格拉斯哥大学）；Gravity Spy（重力间谍）；ConSol Consulting & Solutions Software GmbH（ConSol咨询与解决方案软件有限公司）；Syracuse University（雪城大学）；LIGO Laboratory, California Institute of Technology（加州理工学院引力波观测站实验室）；Northwestern University（西北大学）；NSF-Simons AI Institute for the Sky (SkAI)（NSF-西蒙斯天空人工智能研究所）
Fink, a new generation of broker for the LSST community
Fink是一个经纪人，旨在使科学与大型时域警报流，如即将到来的Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）它展示了传统的天文学代理功能，例如自动摄取，注释，选择和重新分配瞬变科学的有前途的警报。它还旨在通过提供实时瞬态分类来超越传统的经纪人功能，并通过使用最先进的深度学习和自适应学习技术不断改进。这些不断发展的附加值将使LSST光度数据在各种科学案例中的科学输出更加准确，同时也会导致伴随调查演变的新发现的发生率更高。在本文中，我们介绍Fink，它的科学动机，架构和当前状态，包括使用Zwicky Transient Facility警报流的第一个科学验证案例。
Future of Artificial Intelligence for Science in Japan 2024 Community Report
Nagoya University（名古屋大学）；Kobayashi-Maskawa Institute for the Origin of Particles and the Universe (KMI)（小林-益川粒子起源宇宙研究所 (KMI)）；The University of Tokyo（东京大学）；RCCN, Institute for Cosmic Ray Research（宇宙线研究研究所 RCCN）；Center for Data-Driven Discovery, Kavli IPMU (WPI), UTIAS（数据驱动发现中心，卡弗里宇宙物理学与国际前沿科学中心 (WPI)，UTIAS）；Kavli IPMU (WPI), UTIAS（卡弗里宇宙物理学与国际前沿科学中心 (WPI)，UTIAS）；RIKEN SPring-8 Center（理化学研究所 SPring-8 中心）；Institute for Advanced Research, Nagoya University（名古屋大学高等研究院）
该报告梳理了FAIRS Japan 2024非会议提出的物理领域AI/ML研究机遇，明确了三大物理领域的共性技术主题，为科学AI发展提供方向。
