Detecting Quasars in Large-Scale Astronomical Surveys
我们提出了一种基于分类的方法来识别类星体射电源（类星体）在斯隆数字巡天，并评估其性能手动标记的训练集。虽然合理的结果已经可以通过只对光度数据工作的方法获得，但我们的实验表明，从光谱数据中提取的简单但特定于问题的特征可以显着提高分类性能。由于我们的方法正交于现有的分类方案用于建立光谱目录，我们的分类结果非常适合相互评估的方法的准确性。
2011-08-23 astro-ph.IM
Data mining techniques on astronomical spectra data. I : Clustering Analysis
聚类分析是天文光谱分析的一种有效工具，可以挖掘数据之间的聚类模式。随着大规模巡天的实施，许多聚类方法被应用于有效和自动地处理光谱和光度数据。同时，聚类方法在不同数据特征下的性能差异很大。本文分三部分对天文光谱数据的聚类方法进行了综述，旨在总结天文光谱聚类算法，为进一步研究奠定基础。首先，对天文光谱的聚类方法进行了理论研究和分析，从算法思想、应用和特点等方面进行了阐述。其次，实验进行了统一的数据集构造使用三个标准（光谱数据类型，光谱质量，数据量），比较典型的算法的性能;光谱数据来自大天区多目标光纤光谱望远镜（LAMOST）调查和斯隆数字巡天（SDSS）。最后在GitHub上提供了比较聚类算法的源代码和使用及改进手册。
2022-12-16 astro-ph.IM
The Data Lab: A Science Platform for the analysis of ground-based astronomical survey data
未来十年将有越来越多的大规模地面光度测量、光谱测量和时域测量，包括DECam、DESI和LSST的测量。NOAO数据实验室于2017年启动，旨在对大型调查进行有效的探索和分析，特别关注NOAO档案及其相关目录的PB级馆藏。数据实验室的使命和未来的发展与NSF的两个大想法保持一致，即利用数据促进21世纪的科学和工程，并作为网络的一部分，为宇宙的Windows：多信使天体物理学时代做出贡献。与其他科学平台一起，数据实验室将在未来十年的调查科学发现中发挥关键作用，并且随着数据集的规模和复杂性的增长，对于保持公平竞争环境至关重要。
2019-08-02 astro-ph.IM
Real-Time Analysis of Large Astronomical Images
即将推出的为高节奏大面积勘测设计的仪器，如暗能量勘测和大型综合巡天望远镜，将在勘测作业期间每隔几分钟产生几GB的数据产品。由于这种调查的目的是在观察者互动最少的情况下进行，因此有必要对这些大型图像进行自动实时分析，以确保不间断地产生科学质量的数据。我们描述了一个软件基础设施套件，旨在支持这样的调查，特别是专注于ImageHealth，近实时处理大图像的工具。这些图像处理和分析算法被应用到模拟数据的暗能量调查，以及观测数据收集的Y4 KCam的CTIO 1米望远镜和马赛克相机的布兰科望远镜。ImageHealth代码的准确性和速度特别针对SourceExtractor的结果进行了基准测试，SourceExtractor是天文界普遍存在的标准图像分析工具。ImageHealth被证明可以提供与SourceExtractor相当的准确性，但执行时间显着缩短。基于实时分析在实现暗能量调查的科学目标方面的重要性，ImageHealth和该分析包的其他方面被纳入（以修改后的形式）调查图像系统过程集成，即暗能量相机软件控制环境。然而，原始的ImageHealth代码是完全独立于仪器的，并且可以在其他观测数据采集环境中免费使用。
2012-07-31 astro-ph.IM
Simulation of Astronomical Images from Optical Survey Telescopes using a Comprehensive Photon Monte Carlo Approach
我们提出了一个全面的方法，从光学测量望远镜的天文图像的模拟。我们使用光子蒙特卡罗方法通过从天文源种群模型中采样光子来构建图像，然后通过系统模拟这些光子，因为它们与大气，望远镜和相机相互作用。我们证明，所有的物理效应，确定的形状，位置和亮度的单个恒星和星系的可见光，可以准确地表示在这种形式主义。通过使用大规模网格计算，现代处理器，和一个高效的实现，可以产生40万光子/秒，我们证明，即使是非常大的光学调查，现在可以模拟。我们证明，我们能够：1）构建公里级相位屏幕所需的宽视场望远镜，2）重现大气点扩散函数的时刻，使用一种快速的新的混合几何/傅立叶技术的非衍射限制望远镜，3）准确地重现复杂的非球面光学设计的预期点图，和4）恢复系统的有效面积预测从分析光度积分。这个新的代码，光子模拟器（PhoSim），是公开的。我们已经实现了大型综合巡天望远镜（LSST）的设计，它可以扩展到其他望远镜。我们预计，由于PhoSim中实现了全面的物理学，它将被社区用于规划未来的观测，解释详细的现有观测，并量化与各种天文测量相关的系统学。通过与真实数据的比较，未来的开发和验证将继续提高代码的保真度和可用性。
2015-04-24 astro-ph.IM
Leveraging Transfer Learning for Astronomical Image Analysis
针对大规模巡天天文数据增长带来的挑战，本文基于预训练卷积神经网络介绍迁移学习在AGN检测等天文任务的应用，证明其在标记数据稀缺场景的高效性，对未来巡天有重要价值。
2024-11-27 astro-ph.IM
Using Deep Learning to Identify Artificial Satellite Trails in Multi-band Photometric Astronomical Images
针对低轨卫星增多导致地面天文观测受拖影干扰的问题，本研究构建专用数据集，提出融合空洞空间金字塔池化与通道注意力的ASA-U-Net模型，在实测数据上表现优于传统方法，可高效处理海量巡天数据、提升数据质量。
2025-09-04 astro-ph.IM
An Overview of Seven Astronomical Decadal Surveys on Successes, Failures, and Shifting Demographics
该研究梳理七次美国天文学十年期调查的60年资助建议，统计了最高优先级项目的落地情况与资金来源，考察了建成设施的长期成就，并分析了委员会性别平衡等人口结构问题，后续还将研究成员所属机构类型。
2023-11-06 astro-ph.IM
Bad pixel modified interpolation for astronomical images
提出了一种新的插值方法，用于天文图像像素亮度估计。我们的新方法简单易行。我们显示了这种方法与广泛使用的线性插值和其他插值算法的比较，使用从斯隆数字巡天获得的1000幅天文图像。比较表明，我们的方法提高了坏像素的亮度估计，平均误差比目前最流行的线性插值低四倍，并具有更好的性能比任何其他检查方法。所提出的思想是灵活的，也可以应用到目前使用的和未来的插值方法。所提出的方法是特别有用的大巡天图像的减少，但也可以适用于单一的图像校正。
2013-10-02 astro-ph.IM
Wide-Field Astronomical Surveys in the Next Decade
广角巡天一直是现代天文学史上新发现的引擎，近年来一直是被引用最多和科学生产力最高的观测设施之一。这一趋势很可能在未来十年继续下去，因为天体物理学中许多最重要的问题最好通过大规模的调查来解决，通常相互协同，并与更传统的天文台合作。我们认为，这些调查是最富有成效的，并有最大的影响时，调查的数据及时公布。“调查天文学家”的兴起是我们领域人口统计的重大变化;未来十年最重要的挑战之一是找到方法来认识那些在调查基础设施（硬件，软件，调查规划和运营以及数据库/数据分布）上工作的人的智力贡献，并制定职业道路，让他们茁壮成长。
2009-03-18 astro-ph.IM
Zernike moments description of solar and astronomical features: Python code
针对天文图像数量激增下的自动描述需求，本研究开发了基于泽尼克矩的Python工具包，利用其旋转、尺度和平移不变性描述太阳及天文特征，支持多学科的特征识别与追踪。
2023-11-04 astro-ph.IM astro-ph.SR
Piggybacking astronomical hazard investigations on scientific Big Data missions
本文评估依托VST/OmegaCAM巡天与Euclid任务等科学大数据项目开展近地天体等天文灾害研究的可行性，概述硬件、数据与信息系统并给出初步结果。
2024-03-03 astro-ph.EP astro-ph.IM
Laboratory Studies for Planetary Sciences. A Planetary Decadal Survey White Paper Prepared by the American Astronomical Society (AAS) Working Group on Laboratory Astrophysics (WGLA)
天文学和行星科学工作组（http：//www.aas.org/labastro/）促进天文学和行星科学与实验室科学（物理学、化学和生物学）之间的合作和知识交流。正在进行的和下一代行星科学任务的实验室数据需求在WGLA向行星十年调查提交的这份白皮书中进行了仔细评估和推荐。
2009-10-02 astro-ph.EP astro-ph.IM
Detection, Instance Segmentation, and Classification for Astronomical Surveys with Deep Learning (DeepDISC): Detectron2 Implementation and Demonstration with Hyper Suprime-Cam Data
针对下一代天文巡天中混合源导致的测量偏差问题，基于Detectron2实现含Transformer的DeepDISC深度学习模型，对HSC多波段图像同步完成目标识别、解混与分类，性能优于传统CNN，可扩展至其他巡天任务。
2024-11-27 astro-ph.IM
Meteorological data from KLAWS-2G for an astronomical site survey of Dome A, Antarctica
我们分析了2015年和2016年期间位于南极洲Dome A的第二代昆仑自动气象站（KLAWS-2G）的气象数据。我们发现，强烈的逆温存在的所有海拔高达14米，KLAWS-2G可以达到，并持续超过10小时的时间为50%或更多的时间时，逆温发生。2015年和2016年，4米海拔处的平均风速分别为4.2米/秒和3.8米/秒。强逆温和中等风速导致Dome A处湍流边界层高度较浅。通过分析温度和风切变剖面，我们注意到望远镜应该被提升至少8米。我们还发现，逆温的持续时间和风速，每年变化很大。因此，Dome A场地调查仍需要长期和连续的数据。
2018-10-12 astro-ph.IM
AstroSkyFlow: an astronomical sky image flow simulator for time domain survey validation and machine learning
State Key Laboratory of Dark Matter Physics, Tsung-Dao Lee Institute & School of Physics and Astronomy, Shanghai Jiao Tong University（暗物质物理全国重点实验室，李政道研究所，上海交通大学物理与天文学院）；Shanghai Astronomical Observatory, Chinese Academy of Sciences（中国科学院上海天文台）
提出AstroSkyFlow模块化天空图像模拟器，通过模拟时变流量和完整观测链生成多历元时序图像，比SkyMaker更准确地复现噪声和点扩散函数，并成功恢复注入的光度和运动信号，为下一代时域巡天提供标记高保真数据集。
2026-06-01 astro-ph.IM
Astronomical research in the next decade: trends, barriers and needs in data access, management, visualization and analysis
我们报告的调查结果，探讨当前的做法，需求和期望的天体物理学界，涉及四个研究方面：开放科学实践，数据访问和管理，数据可视化，和数据分析。该调查涉及来自几家研究机构的329名专业人士，指出了在结果再现性、可视化分析工具的可用性以及采用机器学习技术进行数据分析等方面的重大差距。本研究是在H2020 NEANIAS项目的背景下进行的。
2020-12-14 astro-ph.IM
The Spectroscopic Classification of Astronomical Transients (SCAT) Survey: Overview, Pipeline Description, Initial Results, and Future Plans
我们提出的光谱分类的天文瞬变（SCAT）调查，这是专门的光谱观测瞬变物体，如超新星和潮汐破坏事件。SCAT使用夏威夷大学2.2米（UH2.2米）望远镜上的超新星积分场光谱仪（SNIFS）。SNIFS是专门为精确的瞬态分光光度法而设计的，包括绝对通量校准和主星系去除。我们描述的数据减少和校准管道，包括光谱提取，大地校正，大气特征，夜间光度，分光光度计精度。我们在光度条件下实现了全光波长范围（$3500-9000~Å$）的$\lesssim 5\%$分光光度法。SNIFS多滤光片镶嵌成像仪的测光功能，即使在不利的天气/大气条件下，也可以进行良好的分光光度校准（$10-20\%$）。SCAT获得了运行头3年的瞬变$\approx 640$光谱，包括所有类型的超新星、活动星系核、激变变星和罕见的瞬变，如超亮超新星和潮汐破裂事件。这些观测结果将为科学界提供基准分光光度法，以约束下一代流体动力学和辐射转移模型。
2022-11-29 astro-ph.IM
The Weizmann Fast Astronomical Survey Telescope (W-FAST): System Overview
一个相对未探索的相空间的瞬变和恒星的变化是第二和亚秒的时间尺度。我们描述了一个新的光学天文台在以色列的内盖夫沙漠中运行，具有55厘米的光圈，视场为2.6x2.6度（~ 7度^2），配备了高帧率，低读取噪声，CMOS相机。该系统可以以高达90 Hz（全帧）的帧率进行观测，而名义上的观测是在10- 25 Hz进行的。在25 Hz的帧速率下以超过6 Gbits/s的速率产生的数据被实时分析。该天文台是完全自动化的，每天晚上能够自动收集每个领域数千颗恒星的数据。我们提出的系统概述，性能指标，科学目标，和一些第一个结果，例如，Nir等人（2020年）报告的对地球同步卫星的高闪烁率的检测。
2021-05-07 astro-ph.IM
Astronomical Surveys and Big Data
本文综述了近年来全天空和大区域天文巡天及其从γ射线到射电的整个电磁波谱范围的星表数据，如γ射线的Fermi-GLAST和INTEGRAL，X射线的ROSAT、XMM和Chandra，紫外的GALEX，SDSS和几个POSS I和II星表（APM，MAPS，USNO，GSC）在光学范围内，2 MASS在近红外，WISE和AKARI IRC在和平号，IRAS和AKARI FIS在远红外，NVSS和FIRST在无线电和许多其他，以及最重要的调查提供光学图像（DSS I和II，SDSS等），自行（Tycho，USNO，Gaia），可变性（GCVS，NSVS，ASAS，Catalina，Pan-STARRS）和光谱数据（FBS，SBS，Case，HQS，HES，SDSS，CALIFA，GAMA）。全面了解整个波长范围的覆盖范围和各种调查之间的比较：星系红移调查，类星体/活动星系核，无线电，银河系结构，和暗能量调查。天文学已经进入大数据时代。天体物理虚拟天文台和计算天体物理在使用和分析大数据以获得新发现方面发挥着重要作用。
2015-11-23 astro-ph.GA astro-ph.IM
DRUID: Source Detection and Deblending in Astronomical Images with Persistent Homology
本研究提出基于持续同调的天文图像源检测与去混叠工具DRUID，可分割复杂形态源结构、处理高密度图像，经射电与光学巡天验证，为高嵌套源分析提供新方法。
2024-10-29 astro-ph.IM
Astronomical source detection in radio continuum maps with deep neural networks
在即将进行的SKA前兆射电连续谱调查中，如澳大利亚SKA探路者望远镜的宇宙演化图调查中，寻找源是最具挑战性的任务之一。这种调查的分辨率，灵敏度和天空覆盖范围是前所未有的，需要在现有的源查找器中进行新的功能和改进。其中，减少错误检测率，特别是在银河系平面，并能够将多个不相交的岛屿关联到物理对象。为了弥合这一差距，我们开发了一种新的源查找器，基于Mask R-CNN对象检测框架，能够检测和分类无线电连续图像中的紧凑，扩展，虚假和成像不良的源。该模型使用ASKAP EMU数据进行训练，这些数据是在早期科学和试点调查阶段观察到的，以及之前使用VLA和ATCA望远镜拍摄的无线电调查数据。在测试样本上，最终模型的总体检测完整性达到85%以上，可信度为$\sim$ 65%，分类查准率/召回率达到90%以上.所有源类获得的结果进行了报告和讨论。
2022-12-05 astro-ph.IM
Flashes in a Star Stream: Automated Classification of Astronomical Transient Events
对现代天气巡天中探测到的瞬变事件进行自动、快速分类，对于利用稀缺资源进行科学利用和有效跟踪至关重要。这带来了一些不寻常的挑战：数据稀疏，异构和不完整;随着时间的推移而变化;大多数相关信息不是来自数据流本身，而是来自各种档案数据和上下文信息（空间，时间和多波长）。我们正在探索各种新的技术，主要是贝叶斯，以应对这些挑战，使用正在进行的CRTS天空调查作为测试平台。目前的调查已经压倒了我们有效跟踪所有潜在有趣事件的能力，随着更雄心勃勃的天空调查的进行，这些挑战将在未来十年内以数量级增长。虽然我们专注于特定领域（天体物理学）的应用程序，但这些挑战与大规模数据流中的事件或异常检测和知识发现更广泛地相关。
2012-09-08 astro-ph.IM
A Gateway to Astronomical Image Processing: Vera C. RubinObservatory LSST Science Pipelines on AWS
空间和时间的遗产调查，由维拉C。鲁宾天文台是一个为期10年的天文调查，将于2022年开始运营，每三个晚上将拍摄一半的天空。LSST每晚将产生约20 TB的原始数据，这些数据将几乎实时地进行校准和分析。由于LSST数据量大，传统的子集下载过程数据再处理范式面临着重大挑战。我们在这里描述，第一步走向天文科学的门户，使天文学家能够分析图像和目录的规模。在第一步中，我们重点关注在Amazon Web Services（AWS）上执行Rubin LSST Science Pipelines，这是一个图像和目录处理算法的集合。我们描述了我们的初步印象的性能，可扩展性和成本部署这样一个系统在云中。
2020-11-11 astro-ph.IM
A Near Infrared Laser Frequency Comb for High Precision Doppler Planet Surveys
我们讨论了激光频率梳作为近红外天文波长参考，并描述了近红外激光频率梳在美国国家标准与技术研究所和科罗拉多大学的进展，我们正在经营的激光频率梳适用于高分辨率H波段天文摄谱仪。
2010-02-27 astro-ph.IM
Scale-Aware Navigation of Astronomical Survey Imagery Data on High Resolution Immersive Displays
Stony Brook University（石溪大学）
本文提出一种面向高分辨率沉浸式显示的天文影像尺度感知导航框架，通过室级沉浸环境中的Vera Rubin Observatory和银河巡天影像展示，探讨大规模科学影像的探索分析交互设计。
2026-03-18 astro-ph.IM cs.GR cs.HC
An analysis of feature relevance in the classification of astronomical transients with machine learning methods
利用当前和未来的天气（多波段和多历元）调查需要广泛使用自动数据处理和数据解释方法。在这项工作中，使用从卡塔利娜实时瞬态调查（CRTS）提取的数据，我们研究了一些经过良好测试的方法的分类性能：随机森林，MLPQNA（多层感知器与拟牛顿算法）和K-最近邻，特别注意特征选择阶段。为了做到这一点，进行了几个分类实验。即：查明激变变星、区分银河系和河外天体以及查明超新星。
2016-01-15 astro-ph.IM
Efficient scheduling of astronomical observations. Application to the CARMENES radial-velocity survey
有针对性的光谱系外行星调查面临的挑战是通过精心规划来最大限度地提高行星探测率。大型系外行星调查可能的观测组合的数量，即，一夜又一夜的观测序列，无论是总时间还是目标数量，都是巨大的。先进的调度工具和更好地了解系外行星人口调查的有效和最佳的方式来规划执行的观测。CARMENES仪器采用了这种方法，这是一种光学和红外高分辨率摄谱仪，已开始对大约300颗M矮星进行调查，以寻找类地系外行星。我们使用进化计算技术来创建一个自动调度程序，最大限度地减少空闲期的望远镜，并使用可配置的标准在所有的目标之间分配的意见。我们模拟的情况下，CARMENES调查与现实的目标样本，我们估计规划工具的效率，无论是在望远镜操作和行星探测。我们的调度模拟产生的计划，使用约99 $\%$的可用望远镜的时间（包括开销）和最佳分配不同的目标之间的观测。在这样的条件下，并使用当前的行星统计数据，使用该工具的优化计划应该允许CARMENES调查发现约65 $\%$的行星，其径向速度半振幅大于1 $~m\thinspace s^{-1}$，当只考虑光子噪声时。使用我们的调度工具的模拟表明，它是可能的，以最大限度地减少闲置仪器周期，并以有效的方式实现科学目标，以最大限度地提高科学回报，以优化调查规划。
2018-06-06 astro-ph.IM
IVOA Recommendation: Data Model for Astronomical DataSet Characterisation
本文档定义了描述观测或模拟天文数据集（如2D图像、数据立方体、X射线事件列表、IFU数据等）的物理参数空间所需的高级元数据。表征数据模型是一种抽象，可用于导出任何相关数据的结构化描述，从而促进其发现和科学解释。该模型的目的是促进任何VO框架或门户中的异构数据的操作。VO表征实例可以包括数据轴的描述、数据覆盖的坐标范围以及每个轴上的数据采样和分辨率的细节。这些描述应该是物理变量，尽可能独立于仪器特征。此模型的实现已在IVOA注释中进行了描述，可在以下网址获得：http://www.ivoa.net/Documents/latest/ImplementationCharacterisation.html从此版本的UML模型派生的U类型已在以下IVOA注释中列出和注释：http://www.ivoa.net/Documents/latest/UtypeListCharacterisationDM.html XML模式已从UML模型构建，可在以下网址获得：http://www.ivoa.net/xml/Characterisation/Characterisation-v1.11.xsd
2011-11-09 astro-ph.IM
Deconvolution for Large Astronomical Surveys: A Study of the Scaled Gradient Projection Method on Zwicky Transient Facility Data
BITS Pilani K.K Birla Goa Campus（印度理工学院比拉校区戈亚分校）；University of California, Berkeley（加州大学伯克利分校）；California Institute of Technology（加州理工学院）；Inter-University Centre for Astronomy and Astrophysics（大学间天文学与天体物理中心）；M. P. Birla Institute of Fundamental Research（M.P.比尔拉基础研究所）
本研究将SGP算法应用于Zwicky Transient Facility图像的单波段反卷积，发现该方法在保持测光流量、提高探测完整度及暗弱源揭示方面优于Richardson-Lucy反卷积且速度快八倍，有望集成至巡天流水线。
2025-10-31 astro-ph.IM
Validation of observations obtained with a liquid mirror telescope by comparison with Sloan Digital Sky Survey observations
利用美国航天局轨道碎片观测站（NODO）3米直径液体镜望远镜（LMT）获得的极低分辨率光谱搜索特殊天体的结果与斯隆数字巡天（SDSS）获得的光谱结果进行了比较。这种比较的主要目的是验证使用这种新型望远镜进行的观测是否可靠。这种比较是重要的，因为LMT是一种新型的廉价望远镜，对于天文调查非常有用，特别是在时域的调查，并且通过与经典望远镜的数据进行比较，验证LMT获得的数据将验证其可靠性。我们从一份已发表的数据分析开始，该分析将NODO液体镜望远镜观测到的18,000个天体中只有206个归类为特殊天体。在这206个天体中，共有29个在SDSS中发现。NODO数据的可靠性可以从详细分析的结果中看出，实际上，18，000个光谱中只有不到0.3%被错误地识别为特殊天体，最有可能的原因是它们是变星。我们的结论是，液体镜望远镜给出了可靠的观测结果，与使用玻璃镜的望远镜所获得的观测结果相当。
2015-04-16 astro-ph.IM
DeepSurveySim: Simulation Software and Benchmark Challenges for Astronomical Observation Scheduling
针对天文观测调度缺乏统一测试基准与易用工具的问题，本研究推出高保真灵活的仿真工具DeepSurveySim，可跟踪估算天空条件，提供三类基准问题，用于评估调度算法尤其是机器学习调度算法的效能。
2023-12-14 astro-ph.IM
Surveying Image Segmentation Approaches in Astronomy
本综述系统梳理天文图像分割方法从传统经典技术到深度学习前沿的演进，指出自动化分割对提升精度与效率的关键作用，并鼓励天文学家采纳先进机器学习方法。
2024-05-23 astro-ph.IM
Noise2Astro: Astronomical Image Denoising With Self-Supervised NeuralNetworks
在观测天文学中，噪声会掩盖感兴趣的信号。大规模天文测量的规模和复杂性越来越大，这将产生更多的数据，增加数据处理的工作量。开发自动化工具，如卷积神经网络（CNN），用于去噪已成为一个有前途的研究领域。我们研究了基于CNN的自监督学习算法的可行性（例如，Noise 2Noise）对天文图像进行去噪。我们在模拟的噪声天文数据上试验了Noise 2Noise。我们根据恢复通量和形态的准确性来评估结果。该算法可以很好地恢复泊松噪声（$98.13$ { \raisebox{0.5ex}{\tiny$^{+0.77}_{-0.90} $} $\large\%$ }）和高斯噪声（当图像数据具有平滑信号轮廓时（$96.45$ { \raisebox{0.5ex}{\tiny$^{+0.80}_{-0.96} $} $\large\%$ }）的通量。
2022-09-15 astro-ph.IM
Data mining techniques on astronomical spectra data. II : Classification Analysis
分类在光谱分析中是有价值和必要的，特别是对于数据驱动的挖掘。随着光谱测量的快速发展，多种分类技术已成功应用于天文数据处理中。然而，由于算法思想和数据特性的不同，在实际场景中很难选择合适的分类方法。在这里，我们提出了数据挖掘系列的第二项工作-光谱分类技术的审查。本文的工作也包括三个部分：对现有文献的系统综述、常用分类算法的实验分析和本文使用的源代码。首先，我们仔细研究了目前天文文献中的分类方法，并根据其算法思想将这些方法分为十种类型。对于每种类型的算法，分析是从以下三个角度组织的。(1)本文综述了这几种算法在光谱分类中的应用现状和使用频率，介绍了它们的基本思想，并对其进行了初步分析，讨论了每种算法的优点和注意事项。其次，分析了不同算法在统一数据集上的分类性能。实验数据来自LAMOST和SDSS调查。从数据特征、数据质量和数据量三个方面设计了六组光谱数据集，对算法的性能进行了检验。在实验分析中给出了九种基本算法的得分情况并进行了讨论。最后给出了9种基本算法的python源代码和使用及改进手册。
2022-12-19 astro-ph.IM
Advancing Control Electronics for Next-Generation Astronomical Fiber Robotic Positioners
Institute of Physics, Laboratory of Astrophysics, École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院物理研究所天体物理学实验室）
针对下一代光谱巡天对紧凑高密度光纤定位系统的需求，提出一种单板驱动21个theta phi SCARA定位器的控制电子架构，采用无传感器磁场定向控制与碰撞检测，在降低成本的同时满足5微米精度要求。
2026-06-18 astro-ph.IM
Deep learning-based astronomical multimodal data fusion: A comprehensive review
National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）；University of Chinese Academy of Sciences（中国科学院大学）；National Astronomical Data Center（国家天文数据中心）
本文综述了基于深度学习的天文多模态数据融合方法，探讨了其在数据融合中的应用、挑战及未来发展方向。
2026-02-28 astro-ph.IM
Detecting Variability in Massive Astronomical Time-Series Data II: Variable Candidates in the Northern Sky Variability Survey
我们目前的变化分析的数据从北方天空变率调查（NSVS）。使用聚类方法，它定义变量候选人从大集群离群值，我们集群16,189,040光曲线，数据点在超过15个时代，在638 NSVS领域的变量和非变量候选人。候选变量的选择取决于它们与最大聚类的分离程度以及它们在由可变性指数跨越的八维空间中被分组在一起的程度。所有NSVS的光变曲线也与红外天文卫星、AKARI、2微米全天巡天、斯隆数字巡天（SDSS）和银河演化探测器（Galaxy Evolution Explorer）天体以及SIMBAD数据库中的已知天体交叉相关。变异性分析和互相关结果在一个公共在线数据库中提供，该数据库可用于选择感兴趣的对象进行进一步调查。采用保守的选择标准的变量候选人，我们发现约180万光变曲线作为可能的变量候选人在NSVS数据，相当于我们的整个NSVS样本的10%左右。多波长的颜色帮助我们在变量候选者中找到特定类型的可变性。此外，我们还使用形态分类从其他调查，如SDSS，以抑制虚假的情况下所造成的混合对象或扩展源由于低角分辨率的NSVS。
2012-01-01 astro-ph.IM astro-ph.SR
Do Astronomical Foundation Models Know When They Will Fail?
Columbia University（哥伦比亚大学）；EleutherAI；UniverseTBD；Indian Institute of Science Education and Research, Thiruvananthapuram（印度科学教育与研究学院（特里凡得琅））；AstroAI；Center for Astrophysics | Harvard & Smithsonian（哈佛-史密森天体物理中心）；Washington University in St. Louis（圣路易斯华盛顿大学）
本文提出共形框架审计跨巡天天文基础模型表示，发现AstroPT嵌入迁移误差更低，并利用自适应共形预测识别可靠迁移与静默失败。
2026-10-05 astro-ph.IM
Cross-Survey Image Transformation: Enhancing SDSS and DECaLS Images to Near-HSC Quality for Advanced Astronomical Analysis
提出Pix2WGAN混合模型，结合pix2pix与WGAN-GP，将SDSS和DECaLS图像增强至接近HSC质量，显著提升复杂结构识别，并在多数指标上优于原始图像。
2025-01-24 astro-ph.GA astro-ph.IM
$Lux$: A generative, multi-output, latent-variable model for astronomical data with noisy labels
本文提出生成式多输出潜变量模型框架Lux，基于JAX构建，能处理恒星光谱与标签中的不确定性和缺失数据，并在APOGEE与GALAH巡天数据上验证了高精度标签推断及跨巡天标签迁移能力。
2025-04-11 astro-ph.IM
A k-NN Method to Classify Rare Astronomical Sources: Photometric Search of Brown Dwarfs with Spitzer/IRAC
本文提出了一种基于加权k-NN方法的稀有天文源光度搜索的统计方法。一个度量定义在一个多维的颜色-幅度空间的基础上，只有模板源的光度特性和光度的模板和数据的不确定性，而不需要定义的ad-hoc颜色和幅度削减，可能会偏置的搜索。该度量被定义为两个参数的函数，邻居的数量k和阈值距离D_th，可以优化最大的选择效率和完整性。我们应用的方法来搜索的L和T矮星的斯皮策河外第一次看调查和Bootes领域的斯皮策浅调查，以及搜索附近的恒星周围的亚恒星质量的同伴。在高水平的完整性下，我们确认在第一次观测中至少有两个波段没有发现晚T矮星，而在浅层观测中只有一个（以前由Stern等人在2007年发现）。这一结果与晚T矮星的预期统计数据一致。一个L/早T候选者在第一次调查中被发现，3个在浅层调查中，目前正在进行后续的光谱验证。最后，我们讨论了这种方法在斯皮策暖任务探索科学计划中搜索棕矮星的潜力。
2009-04-23 astro-ph.IM astro-ph.SR
Survey Footprint Explorer: A Browser-Based Interactive Tool for Visualizing and Cross-Matching Astronomical Survey Footprints
Waterloo Centre for Astrophysics, University of Waterloo（滑铁卢天体物理中心，滑铁卢大学）；Department of Physics and Astronomy, University of Waterloo（滑铁卢大学物理与天文系）；Center for Astronomy, Space Science and Astrophysics, Independent University, Bangladesh（孟加拉独立大学天文学、空间科学与天体物理中心）；Kapteyn Astronomical Institute, University of Groningen（格罗宁根大学卡普坦天体物理研究所）；Definity Insurance Company（Definity保险公司）
本文介绍了一个基于浏览器的交互工具，用于可视化和比较主要天文学成像巡天的天空足迹，该工具无需服务器基础设施，用户可直接在现代浏览器中使用。
2026-05-11 astro-ph.CO astro-ph.GA astro-ph.IM
GRAPE: Genetic Routine for Astronomical Period Estimation
周期估计是许多可变天体分类中的一项重要任务。在这里，我们介绍葡萄：用于天文周期估计的遗传例程，一种遗传算法，用于处理具有虚假和混叠伪像的测量数据。它使用贝叶斯广义Lomb-Scargle（BGLS）健身功能，旨在与利物浦望远镜进行的Skycam调查一起使用。我们构建了一组模拟光变曲线使用常规和Skycam调查节奏与四种类型的信号：正弦，双，对称食二进制和偏心食二进制。我们将GRAPE和BGLS周期图应用于这些数据，并表明GRAPE的性能优于正弦和正弦光变曲线上的周期图，相对命中率分别提高了18.2%和6.4%。对称食双星和偏心食双星的光变曲线在两种方法上的表现相似。我们表明，Skycam的节奏是足够的，以正确地估计所有的正弦曲线形状的光变曲线的周期，虽然这降低与非正弦形状的增加，对称二进制和偏心二进制光变曲线分别下降了20%，30%和35%。GRAPE的运行时间表明，具有超过500-1000个数据点的光变曲线在更少的计算时间内实现了类似的性能。GRAPE性能可以通过具有过采样微调网格的频谱来匹配，代价是运行时间几乎加倍。最后，我们提出了改进，这将扩大这种方法的准周期信号的检测和使用的多波段光变曲线。
2018-07-18 astro-ph.IM
Neural Posterior Estimation for Cataloging Astronomical Images from the Legacy Survey of Space and Time
Department of Statistics, University of Michigan（密歇根大学统计学系）；Department of Physics, University of Michigan（密歇根大学物理系）
本文提出用神经后验估计（NPE）对LSST天文图像进行概率编目，在DC2模拟数据上系统优于标准流水线，兼顾效率与精度，并给出校准良好的后验。
2025-11-05 astro-ph.IM cs.CV stat.AP
A wide field X-ray telescope for astronomical survey purposes: from theory to practice
X射线反射镜通常采用Wolter I（抛物面-双曲面）结构。这种设计在轴上没有球面像差，但会受到场曲、彗差和像散的影响，因此角分辨率随着离轴角的增加而迅速下降。存在不同的反射镜设计，其中主反射镜和次反射镜轮廓被扩展为幂级数，以便在轴上性能的扩展下增加在大的离轴位置处的角分辨率。在这里，我们提出的设计和全局权衡研究的X射线镜系统的多项式光学的宽视场X射线望远镜（WFXT）的任务。WFXT的目标是在具有前所未有的通量灵敏度的软X射线波段进行扩展的宇宙学调查。为了实现这些目标，任务所需的角分辨率是非常苛刻的，在1度视场内的平均分辨率约为5角秒。此外，在1 keV时需要5-9000 cm ^2的有效面积。
2010-02-11 astro-ph.HE astro-ph.IM
Identification of problematic epochs in astronomical time series through transfer learning
提出一种结合预训练EfficientNet特征提取与k近邻搜索的方法，用于自动识别并移除天文时间序列中的问题历元，经VST数据验证可有效提升数据质量，适用于LSST海量数据场景。
2024-05-17 astro-ph.IM
Avocado: Photometric Classification of Astronomical Transients with Gaussian Process Augmentation
即将到来的天文调查，如大型综合巡天望远镜（LSST），将依靠光度分类来识别他们发现的大多数瞬变和变量。我们提出了一套光度分类技术，即使在光谱确认的对象的训练集严重偏向于明亮，低红移的对象时，也可以应用。使用高斯过程回归同时在所有波段中对任意光变曲线进行建模，我们通过生成覆盖一系列红移和观测条件的原始光变曲线的新版本来“增强”训练集。我们训练一个增强的决策树分类器从增强的光变曲线提取的功能，我们展示了如何设计这样的分类器，以产生独立的红移分布的对象在训练样本的分类。我们的分类算法是在光度LSST天文时间序列分类挑战（PLAstiCC）的盲态阶段考虑的1，094个模型中表现最好的，在组织者的天文损失度量上得分为0.468，训练集中所有对象类别的权重都是固定的，并且Ia型超新星分类的AUC为0.957。我们的研究结果表明，用于训练光度分类器的光谱运动应该专注于键入大量观察良好的中间红移瞬变，而不是试图键入直接代表完整数据集的瞬变样本。本文中描述的所有算法都在avocado软件包中实现。
2019-07-11 astro-ph.IM
Survey-scale discovery-based research processes: Evaluating a bespoke visualisation environment for astronomical survey data
本文针对天文巡天中重复性可视分析任务，提出并评估了部署在斯威本发现墙上的encube并行比较可视化环境，证明其可将桌面SIMD类任务耗时降低至少两个数量级。
2023-07-10 astro-ph.GA astro-ph.IM
Searching for Fast Astronomical Transients in Archival Photographic Plates
Independent Researcher, Retired Developer at NASA/AURA/STScI（独立研究者，NASA/AURA/STScI退休开发者）
基于汉堡天文台施密特相机1950年代底片，独立确认VASCO项目发现的快速瞬变具有系统性窄半峰全宽，支持亚秒级光学闪光解释。
2026-06-23 astro-ph.IM
Deep-TAO: The Deep Learning Transient Astronomical Object data set for Astronomical Transient Event Classification
本研究发布了包含超124万张标注图像的Deep-TAO天文暂现数据集，覆盖多类暂现天体，配套易用工具，实验显示基于该数据集的基线CNN性能优于传统随机森林分类器，为暂现事件分类研究提供了基准资源。
2025-03-20 astro-ph.IM
Astronomical Image Simulation for Telescope and Survey Development
我们提出了“simage”软件套件的模拟人工河外星系图像，经验的基础上围绕哈勃超深场（UDF）的真实观测。模拟再现星系与现实和复杂的形态，通过建模的UDF星系作为shapplane。图像可以在B，V，i和z波段为空间和地面望远镜和仪器创建。可以针对任何所需的视场尺寸、曝光时间、点扩散函数（PSF）、望远镜反射镜尺寸、像元分辨率、视场星密度和各种检测器噪声源来产生模拟图像。它有能力创建图像，既有预定数量的星系，也有校准到预先存在的数据集（如HST COSMOS调查）的数量计数的星系。此外，还包括简单的选项，以向模拟图像添加已知的弱引力透镜（剪切和弯曲）。该软件以交互式数据语言（IDL）提供，可免费下载用于科学，发展和教学目的。
2010-09-08 astro-ph.CO astro-ph.IM
Predicting the Age of Astronomical Transients from Real-Time Multivariate Time Series
MIT（麻省理工学院）；Texas Tech University（德克萨斯理工大学）；UC Santa Cruz（加州大学圣克鲁兹分校）
本文提出首个基于贝叶斯概率循环神经网络的方法，从实时多波长时间序列中预测天文瞬变现象的年龄，为巡天后续观测优先级排序提供支持。
2023-11-28 astro-ph.HE astro-ph.IM cs.LG
Fast Astronomical Transients in Archival Photographic Plates: Using optical aberrations as a tool for discerning real images, from plate artifacts
Independent Researcher（独立研究者）
本文通过分析帕洛玛巡天底片中暂现源图像的彗差模式，提出利用光学像差区分真实天体与底片伪影的方法，为暂现源的真实性提供支持。
2026-10-12 astro-ph.IM
