Maximizing Science in the Era of LSST, Stars Study Group Report: Rotation and Magnetic Activity in the Galactic Field Population and in Open Star Clusters
Suzanne L. Hawley, Ruth Angus, Derek Buzasi, James R. A. Davenport, Mark Giampapa, Vinay Kashyap, Soren Meibom
This is the stars chapter of the Kavli workshop report, which resulted from the community-based study of needed US OIR capabilities in the LSST era. The full report, which will include this chapter, is anticipated to be available in Fall 2016. See NOAO website (http://www.noao.edu/meetings/lsst-oir-study/) for more details.
The LSST era of supermassive black holes accretion-disk reverberation mapping
维拉C。鲁宾天文台的时空遗产巡天（LSST）将探测到一个空前大的活跃吸积超大质量黑洞样本，其典型的吸积盘（AD）大小为几个光日。这给利用带间连续延迟测量活动星系核AD尺寸的混响映射带来了挑战。我们使用我们的度量AGNTimeLagMetric检查LSST节奏策略对AD RM的影响。它解释了红移、节奏、星等极限和尘埃消光的星等修正。在不同的LSST节奏策略上运行我们的度量，我们产生了LSST光度RM测量的性能估计的图谱。我们提供了一个上限的估计数量的类星体，其AD时滞可以计算在0<z <7 using the features of our metric. We forecast that the total counts of such objects will increase as the mean sampling rate of the survey decreases. The AD time lag measurements are expected for >1000源在每个深钻领域（DDF，10平方米）。度），这些源的红移分布在z~1处达到峰值。我们发现LSST观测策略具有良好的节奏（~ 5天）和长的累积季节（~9年），如LSST DDF所建议的，有利于AD大小测量。我们为最合适的DDF节奏创建合成LSST光变曲线，并确定RM时间滞后，以证明基于所提出的度量的…
Rubin LSST observing strategies to maximize volume and uniformity coverage of Star Forming Regions in the Galactic Plane
在全天巡天时代，绘制银河系最年轻的恒星星族的完整地图是现代天体物理学中最具挑战性的目标之一。最年轻的恒星组成部分的特性是至关重要的，不仅对银河系结构的全球概览，银河系薄盘，其旋臂，但也为当地的研究。事实上，恒星形成区（SFR）的识别以及与它们形成的环境的比较，对于将它们置于周围巨大分子云的背景下以及理解与恒星和行星形成过程相关的未知物理机制也是至关重要的。在10年的观察中，Vera C. Rubin Legacy Survey of Space and Time（Rubin-LSST）将实现精致的光度深度，这将使我们能够显着扩展我们能够发现新SFR的体积，并扩大我们自己的银河系的详细知识领域。本文描述了一个度量，它估计了< 10 Myr and masses >Rubin LSST观测在5 σ星等显著性的GRI带中将探测到的年龄为t 0.3 M $_\odot$的年轻恒星的总数。我们采用最新的模拟Rubin-LSST调查策略来检查我们的指标结果，以评估不同的观察策略可能对我们的科学案例产生的影响。
Bayesian Neural Networks for classification tasks in the Rubin big data era
即将进行的调查，如维拉C。Rubin Observatory Legacy Survey of Space and Time（LSST）计划将在未来10年内，每晚探测到1000万个随时间变化的源。这些信息将以连续流的形式传输给经纪人，经纪人将使用机器学习算法为各种科学案例选择最有希望的事件。我们研究了贝叶斯神经网络（BNN）在这类分类任务中的优势和挑战。BNN被发现是准确的分类器，也提供了额外的信息：它们量化了分类的不确定性，可以利用这些不确定性来更有效地分析即将到来的数据雪崩。
Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
Ruhr University Bochum（鲁尔大学波鸿）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Kavli Institute for Particle Astrophysics and Cosmology (KIPAC), Stanford University（卡弗里粒子天体物理与宇宙学研究所，斯坦福大学）；Université Clermont-Auvergne, CNRS, LPCA（克莱蒙奥弗涅大学，法国国家科学研究中心，LPCA）；McWilliams Center for Cosmology and Astrophysics, Department of Physics, Carnegie Mellon University（梅斯威尔宇宙学与天体物理中心，卡内基梅隆大学物理系）
RAIL 是一个开源 Python 库，用于大规模概率光度红移估计，提供模块化工具进行端到端压力测试和红移 PDF 估算，适用于多种科学目标。
Uniform Rolling: An LSST Observing Cadence Offering Sufficient Survey Uniformity for Comprehensive Cosmological Analysis
Imperial College London（帝国理工学院）；Argonne National Laboratory（阿贡国家实验室）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Rutgers, the State University of New Jersey（新泽西州立罗格斯大学）；University College London（伦敦大学学院）；University of Toronto（多伦多大学）；Duke University（杜克大学）；University of the Western Cape（西开普敦大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）；University of Cambridge（剑桥大学）；Stockholm University（斯德哥尔摩大学）；University of Washington（华盛顿大学）
European Southern Observatory（欧洲南方天文台）；Institute of Physics, École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院物理研究所）；IRFU, CEA, Université Paris-Saclay（法国原子能和替代能源署法国研究和技术核物理研究所巴黎萨克雷大学）；Department of Astronomy, Faculty of Mathematics, University of Belgrade（贝尔格莱德大学数学学院天文学系）；Hamburger Sternwarte, Universität Hamburg（汉堡大学天文台）；INAF OACN（意大利国家天体物理研究所卡塔尼亚天文台）；Astronomical Institute of Charles University（查理大学天文研究所）；Instituto de Astrofísica de Canarias（加那利群岛天体物理研究所）
Accurate Galaxy Cluster Shear and Mass Calibration for LSST with AnaCal
University of California, Santa Cruz（加州大学圣克鲁兹分校）；Brookhaven National Laboratory（布鲁海文国家实验室）；Southern Methodist University（南方卫理公会大学）；Stony Brook University（石溪大学）；Carnegie Mellon University（卡内基梅隆大学）；Academia Sinica Institute of Astronomy and Astrophysics（中央研究院天文及天文物理研究所）；NSF-DOE Vera C. Rubin Observatory / SLAC National Accelerator Laboratory（美国国家科学基金会-能源部维拉·C·鲁宾天文台/斯坦福直线加速器中心）；Kavli Institute for Particle Astrophysics & Cosmology（卡弗里粒子天体物理学与宇宙学研究所）；Stanford University（斯坦福大学）
Unresolved Binary Systems in the Rubin Era I: An Autoencoder Framework for Binary Identification Applied to 47 Tucanae
University of Toronto（多伦多大学）；Dunlap Institute for Astronomy & Astrophysics（邓普天文学与天体物理研究所）；David A. Dunlap Department of Astronomy & Astrophysics（大卫·A·邓普普天文学与天体物理系）；Department of Statistical Sciences（统计科学系）；Data Sciences Institute（数据科学研究所）
