Investing for Discovery and Sustainability in Astronomy in the 2020s
随着下一个十年的临近，美国天文学界再次评估其未来十年在地面和太空的投资重点。本报告旨在帮助NOAO规划2020年天文学和天体物理学十年调查，回顾了上一次十年调查（Astro 2010）的结果;描述了2018年NOAO社区规划研讨会“NOAO社区在2020年代对科学的需求”中出现的主题;并基于上述内容，为即将到来的审查提供了想法。我们发现，根据过去几十年的经验，对小规模到大规模的举措进行平衡的投资对可持续的未来至关重要。虽然大型设施是保证产生令人信服的科学和发现的“价值”投资，但较小的设施是“成长股”，可能会带来最大的科学爆炸，有时会带来巨大的回报。对数据密集型任务的投资也给社会带来了超越科学的好处。通过培训能够利用数据科学技能解决公共或私营部门问题的科学家，天文学可以为社会提供有价值的服务，为数据能力的劳动力做出贡献。
2019-01-24 astro-ph.IM
Radio Astronomy visibility data discovery and access using IVOA standards
加强无线电数据的互操作数据访问已成为国际虚拟天文台联盟（IVOA）的一个科学优先事项。这导致了IVOA射电天文学兴趣小组的成立。一些射电天文学家和项目科学家参加了各种项目（NRAO、ASKAP、LOFAR、JIVE、ALMA、SKA、INAF、NenuFAR等）。加入了。他们正在共同为更好地将其服务集成到虚拟天文台（VO）基础设施中铺平道路，并建议扩展IVOA标准以帮助实现这一目标。校准的无线电数据集，如立方体，图像，频谱和时间序列，已经可以使用IVOA中定义的ObsCore/ObsTAP规范或SIAv 2，SODA，SSA和ConeSearch等数据产品特定服务进行搜索和检索。然而，无线电能见度数据的属性还没有完全实现在VO景观。我们需要特定的功能来完善数据发现和选择，以适应射电天文学家的需要。在这种情况下，斯特拉斯堡天文学中心（CDS）的VO团队建议考虑ObsCore/ObsTAP规范，并在ObsCore和现有的测量集（MS）元数据配置文件之间建立交叉通道，用于无线电可见度数据（VD）的数据发现。为了考虑VO的无线电VD数据集和科学就绪数据集之间的粒度差异，该方法将MS数据文件拆分成由ObsTAP服务服务的数据集列表，从而实现多波长上下文中的粗粒度发现。还通过添加列元数据或通过使用DataLink技术来提供无线电特定元数据，诸如天线数量、频率范围、$uv$平面覆盖图、频率-相位…
2020-12-16 astro-ph.IM
Data Driven Discovery in Astrophysics
我们回顾了数据密集型天文学的现状、方法和一些突出的数据分析挑战。天文学处于“大数据”科学的前沿，数据量和数据速率呈指数级增长，复杂性不断增加，现在进入Petascale政权。来自地面和太空的望远镜和天文台，覆盖了整个波长范围，通过处理管道将数据输入专用档案，在那里可以访问它们进行科学分析。大多数大型档案通过虚拟天文台框架连接，该框架提供互操作性标准和服务，有效地构成了全球天文学数据网格。在这种过剩的数据中进行发现需要应用新的机器学习工具。我们描述了这种应用程序的一些最近的例子。
2014-11-01 astro-ph.IM
The automation of optical transient discovery and classification in Rubin-era time-domain astronomy
本文探讨了Rubin时代光学时间域天文学中瞬变发现与分类的自动化发展，分析了现有工作流程的现状，并提出了加速自动化的建议。
2025-12-12 astro-ph.HE astro-ph.IM
Advanced Astrophysics Discovery Technology in the Era of Data Driven Astronomy
经验表明，机构天体物理学如何处理数据驱动的科学和发现技术的发展方面的结构性问题可能会阻碍社区有效应对快速变化的环境的能力，在这种环境中，日益复杂的异构数据集正在挑战我们现有的信息基础设施和传统的分析方法。我们正处于多信使科学、数据和处理能力的远程共址以及基于小型航天器的新观测战略的新时代的交汇点。社区需要做出重大努力，以适应这种快速发展的可能发现模式。在建议创建一个新的天体物理学元素，高级天体物理学发现技术，我们提供了一个肯定的解决方案，将发现技术的可见性置于我们建议的与其对该领域未来的重要性完全相称的水平。
2019-07-24 astro-ph.IM physics.comp-ph
ESASky : A Science-Driven Discovery Portal for Space-Based Astronomy Missions
在“大数据”时代，随着web 2.0技术的出现，ESASky（http：sky.esa.int）旨在提供一种现代化的可视化方式，以获取天文科学准备就绪的数据产品和元数据。该应用程序的主要目标是简化科学界与过去几十年来从最重要的天文学任务中收集的不断增长的数据量之间的互动。ESASky的概念是为更传统的以表格为导向的天文数据利用提供补充科学应用，允许采用更自然和直观的方法，并能够在整个电磁波谱上探索天文物体。为了实现这一目标，ESASky为越来越多的任务和调查提供了一组天文数据的多波长接口，旨在成为在不同能量范围内执行视觉分析和交叉匹配的单点入口。大量的努力已经投入到一个用户友好的，响应式图形用户界面（GUI）的设计，通过定义和优化的算法背后提供的每个视觉功能。在这方面的贡献，我们详细介绍了设计和解决方案，在发展过程中出现的技术挑战。我们介绍了最新版本的ESASky中实现的数据服务和功能（v2.1），包括一个任务规划工具，以支持目前的詹姆斯韦伯空间望远镜（JWST）规划，搜索太阳系天体观测的可能性（行星、彗星和卫星），SAO/NASA天体物理数据系统（ADS）发布系统在ESASky GUI中的整合，以及检索在天空的特定区域内可用的元数据和数据产品。
2018-11-26 astro-ph.IM
Building Trustworthy Machine Learning Models for Astronomy
天文学正在进入一个数据驱动的发现时代，部分原因是现代机器学习（ML）技术使强大的新方法能够解释观测结果。我们科学方法的这种转变要求我们考虑我们是否可以信任黑匣子。在这里，我们概述了ML模型开发中经常被忽视的一个步骤的方法：在算法中建立社区信任。信任不仅是创建更强大的数据分析技术的重要因素，也是在天文学界建立信心以接受机器学习方法和结果的重要因素。
2021-11-29 astro-ph.IM
Knowledge discovery through text-based similarity searches for astronomy literature
研究人员数量的增加，加上科学论文的出版和分发（由于技术进步）的便利，导致天文学文献急剧增加。这可能导致了这样的困境，即文献的主体对于传统的人类消费来说太大了，并且相关的和关键的知识没有被研究人员发现。除了天文学文献的增加，近几十年来也带来了计算语言学的一些进步。特别是，文献传播的机器辅助处理可能使将这些论文流转换为一个连贯的知识集成为可能。本文介绍了计算语言学技术在天文学文献中的应用。特别是，我们开发了一个工具，可以从输入的论文中纯粹基于文本内容找到类似的文章。我们发现，我们的技术执行鲁棒性与其他工具相比，推荐文章的参考文件（称为推荐系统）。我们的新工具显示了将计算语言学与天文学文献相结合的巨大力量，并表明在这方面的进一步研究可能会产生更好的工具，帮助研究人员应对产生的大量知识。
2018-08-20 astro-ph.IM cs.DL
Investing for Discovery in Astronomy
我们应该如何投资我们现有的资源，以最好地维持天文学在过去几十年中建立的发现记录？两个强有力的提示来自（1）我们的天文学发现历史和（2）文献引用模式，这些模式揭示了科学中的发现和发展活动是团队规模的强大功能。这些人认为，天文学的进步取决于对团队规模、研究工具和平台以及鼓励冒险的投资策略等方面的多样性研究工作的支持。这些想法也鼓励我们研究过去几十年天文学中“大团队科学”和“调查科学”趋势的含义，并重新考虑天文学进步总是意味着“交易”更大的孔径和设施的常见假设。相反，上面的考虑表明，我们需要在小型到大型的计划和大型和小型的团队规模上进行平衡的投资。大型团队倾向于发展现有的想法，而小型团队更有可能通过颠覆性的发现来推动未来。虽然大型设施是保证产生发现的“价值”投资，但较小的设施是“增长股”，可能会带来最大的科学爆炸，有时会带来巨大的回报。一种促进冒险的方法是增加观察的机会，即，创造更多的观测之夜，促进对科学数据的探索。
2019-07-25 astro-ph.CO astro-ph.GA astro-ph.IM
Data challenges of time domain astronomy
十多年来，天文学一直处于数据密集型科学技术和方法论发展的最前沿，开展了大型天空调查和虚拟天文台等分布式工作。然而，它面临着新的数据洪流与下一代天气天空调查，这是开放的时间域发现和探索。这既带来了新的科学机遇，也带来了新的挑战，包括机器人望远镜的数据速率和关联数据的指数复杂性，以及用于分类和决策的数据挖掘算法。在本文中，我们描述了如何以信息学为基础的方法，所谓的“第四范式”的科学发现的一部分，正在出现，以处理这些。我们回顾我们的经验与Palomar-Quest和Catalina实时瞬态巡天，特别是，解决与瞬态天文事件（和其他传感器网络）相关的数据的异质性问题，以及如何管理和分析它。
2012-08-13 astro-ph.IM
Scientific Visualization in Astronomy: Towards the Petascale Astronomy Era
天文学正在进入一个新的发现时代，同时建立了新的观测和模拟设施，这些设施将定期产生PB级的数据。虽然预计将越来越依赖自动化数据分析，但基于可视化的知识发现仍将发挥关键作用。我们已经调查了科学可视化在天文学中的应用，通过检查在过去的二十年中发表的文献。我们确定了两个最活跃的领域的进展-大N粒子数据和光谱数据立方体的可视化-讨论开放的研究领域，并介绍了天文数据源和通用可视化工具中使用的数据表示之间的映射。我们讨论的贡献，使用高性能计算架构（例如：分布式处理和GPU），协作天文可视化，使用工作流系统来存储有关可视化参数的元数据，并使用先进的交互设备。我们研究了一些可能限制天文学科学可视化研究传播的问题，并确定了Petascale天文学时代科学可视化研究面临的六大挑战。
2011-02-24 astro-ph.IM cs.GR
Astrolabe: Curating, Linking and Computing Astronomy's Dark Data
如果没有适当的储存库来支持所有相关的天文数据产品，数据可能会陷入黑暗：看不见，无法用于未来的参考和再利用。这个类别中的一些数据是遗留或旧数据，但较新的数据集通常也是未经管理的，可能仍然是“黑暗”的。本文描述了Astrolabe的设计动机和开发，Astrolabe是一个网络基础设施项目，它提出了一系列社区建议，用于定位和确保长期管理黑暗或其他风险数据和集成计算。本文还介绍了一系列的社区讲习班，告知创建星盘的成果。据这些讲习班的参与者说，目前存在许多天文学暗数据，这些数据在其他地方没有得到管理，还有一些软件只能由少数人执行，因此由于计算平台的变化而变得无法使用。天文学研究问题和挑战将通过不属于现有观测站和空间飞行任务项目范围的综合数据和计算资源得到更好的解决。作为一种解决办法，等高仪系统的设计旨在开发管理天文数据的新资源。该项目基于CyVerse网络基础设施技术，是亚利桑那大学和美国天文学会之间的合作。总体而言，该项目旨在通过利用现有的网络基础设施资源来支持开放获取研究数据，并通过向天文学界广泛提供可计算格式的潜在有用数据来促进科学发现。
2018-02-26 astro-ph.IM cs.DL
Scientific Data Mining in Astronomy
我们描述了数据挖掘算法在天文学研究问题中的应用。我们认为，数据挖掘一直是天文学研究的基础，因为数据挖掘是基于证据的发现，包括分类，聚类和新颖性发现的基础。这些算法代表了在大型数据库中发现的一套主要计算工具，这在数据密集型天文学时代将变得越来越重要。回顾了天文学数据挖掘的历史实例，然后讨论了预计在未来十年中最大的数据生产项目之一：大型综合巡天望远镜（LSST）。为了促进天文学中数据驱动的发现，我们设想了一种新的天文学和天体物理学面向数据的研究范式-天体信息学。天文信息学被描述为现代数据密集型天文学的一种研究方法和教育必要性。大型时域巡天（如LSST）的一个重要应用领域是实时天空事件（包括移动物体、光度可变物体和瞬变现象）的快速识别、表征和分类。我们描述了一个可能的实现的分类代理这样的事件，它结合了几个天体信息学技术：用户注释，语义标记，元数据标记，异构数据集成，分布式数据挖掘。这些类型的合作分类和发现的方法在其他科学学科的例子。
2009-11-03 astro-ph.IM cs.DB cs.IR
Scheduling Discovery in the 2020s
21世纪20年代将是天文学历史上数据最丰富的十年。随着我们调查的规模和复杂性的增加，调度问题变得更加关键。我们必须开发高质量的调度方法，将其作为开源软件来实现，并开始将观察和数据分析这两个通常独立的阶段联系起来。
2019-07-17 astro-ph.IM
Pioneering the Exascale era with Astronomy
SURF是荷兰教育和研究的协作ICT组织，并协调国家电子基础设施（surf.nl）。为了加速科学发现，SURF为荷兰的研究人员投资、运营和探索高端IT解决方案。在这篇ADASS 2019投稿中，我们介绍了我们在高性能和高吞吐量云计算方面的最新进展。这些发展与天文学特别相关，因为这一科学领域：（i）生成大型（PB大小）数据集，（ii）使用快速发布和部署软件计划，（iii）需要灵活和交互式的测试和分级环境，（iv）需要在不同的数据结构上执行复杂的工作流程。我们强调了我们新的基于OpenStack的云基础架构层，并重点介绍了Spider，这是我们为SURF的高吞吐量数据处理平台新增的功能。
2020-05-12 astro-ph.IM
A Cloud-native Agile approach to cyber platform prototyping and integration for astronomy: the ENGAGE SKA case
本文以 ENGAGE SKA 为例，提出了一种结合云原生计算与敏捷方法的网络基础设施原型构建方案，以支持 SKA 射电望远镜的软件开发生命周期，从而降低运营成本并提升系统控制、监测、可扩展性与可靠性。
2025-06-06 astro-ph.IM cs.SY eess.SY
Towards a Resource-Centric Data Network for Astronomy
在过去的十年中，天文学家一直在使用越来越多的基于网络的应用程序和档案来进行研究。然而，尽管在创建跨项目和数据中心的链接方面取得了初步成功，但事实证明，支持天文学电子科学的单一集成数字图书馆环境的前景是难以捉摸的。虽然阻碍这一领域取得进展的一些问题是技术性的，但另一些问题的根源在于现行政策，如果要在这一领域取得进一步的迅速进展，就应重新分析这些政策。本文介绍了一个建议，美国宇航局天体物理学数据系统项目已提出，以改善其作为天文学家的主要发现门户网站之一的作用，侧重于那些方面，可以受益于从社区的参与程度增加，即努力暴露天文学资源的链接数据，和观测元数据的收获。
2010-05-11 astro-ph.IM
Ground-based detectors in very-high-energy gamma-ray astronomy
自1912年Victor Hess发现宇宙射线以来，经过了70多年的时间和无数的技术发展，才于1989年对第一个甚高能伽马射线源进行了明确的探测。自这一发现以来，极高能伽马射线天文学领域经历了一场真正的革命：第二代，然后是第三代仪器被建造出来，从地面观察大气级联，要么通过它们组成的大气切伦科夫光，要么通过直接探测它们携带的带电粒子。目前的阵列比开创性的实验灵敏100倍，已经探测到大量各种类型的天体物理源，从而打开了非热宇宙的新窗口。新的，更敏感的仪器目前正在建造中;这些将使我们能够进一步探索这个迷人的领域。在这篇文章中，我们描述了探测技术，该领域的历史和前景的地基甚高能伽玛射线天文学的未来。
2015-11-02 astro-ph.HE astro-ph.IM
AstroCloud: A Distributed Cloud Computing and Application Platform for Astronomy
虚拟天文台（Virtual Observatory，VO）是一个数据密集型的在线天文研究和教育环境，它利用先进的信息技术实现天文信息的无缝和全球访问。AstroCloud是中国虚拟天文台（China-VO）项目发起的天文研究网络基础设施，是一种物理分布式平台，集成了望远镜访问计划管理、数据归档、数据质量控制、数据发布和开放访问、基于云的数据处理和分析等任务。它由五个应用渠道组成，即观测，数据，工具，云和公共，并作为天文数据和望远镜的全生命周期管理系统和网关。目前，该平台在北京、南京、上海、昆明、丽江和乌鲁木齐六个城市运营，服务用户超过1.7万人。大量采用国际虚拟天文台和云计算的成果。本文介绍了该项目的背景、体系结构、云计算环境、系统的主要特点、现状和未来计划。
2017-01-19 astro-ph.IM
Discovery & Depth
在美国，国家科学基金会（NSF）预计资金不会增长，已委托对NSF资助的天文学资产进行审查，目的是确定如何最好地分配这十年的资金。美国社区成员的意见被征求。这是一个简单的算术问题，对于固定的资金水平，Astro 2010的许多重要愿望无法实现。在这里，接受上述边界条件，我专注于以光学天文学为中心的领域，这些领域在这十年中提供了最好的进步机会，从而提供了最高的成本效益比。读者可以从阅读前七部分中获益。
2012-02-13 astro-ph.CO astro-ph.IM
ADS Labs - Supporting Information Discovery in Science Education
SAO/NASA天体物理学数据系统（ADS）是一个面向天文学和物理学研究人员的开放式数字图书馆门户网站，由史密森天体物理学天文台（SAO）在NASA的资助下运营，成功地为专业科学界服务了二十年。目前，约有55，000名频繁用户（每年100多个查询），每年有多达1000万名非频繁用户。公众访问现在占所有ADS使用量的一半左右，这表明我们数据库中的内容覆盖面很广。ADS中内容的可见性和使用可以通过以下事实来衡量：从维基百科页面到ADS内容的链接超过17，000个，这个数字与维基百科到OCLC WorldCat目录的链接数量相当。ADS通过其在ADS实验室（http：//www.example.com）中的资产和创新技术，提供了一个不同于天体物理学界目前提供的任何其他服务的信息发现环境。adslabs.org文献发现和回顾是科学教育的重要组成部分，有助于准备课程，项目或演示的过程。ADS已被公认为天文学科学教育界的丰富信息来源，这要归功于它在天文学界、出版商和Com-PADRE等项目中的合作。使ADS与科学教育界具有独特相关性的一个因素是提供了强大的工具来探索天文学文献的各个方面以及主题，人员，观测和科学论文之间的关系。另一个要素是广泛的扫描文献库，其中很大一部分是历史文献。
2012-10-02 astro-ph.IM cs.DL
From Dark Energy to Exolife: Improving the Digital Information Infrastructure for Astrophysics
今天天文学研究的一些最令人兴奋和最有前途的领域是在学科的边界：寻找系外行星和多信使天文学。为了在未来十年在这些研究领域取得突破，需要创新和扩展支持这项研究的数字信息基础设施。天文学一直很好地服务于一个开放的，分布式的数据中心和档案网络的存在。然而，体制障碍和不同的研究文化阻碍了跨学科的合作，造成了知识的分散和研究活动的各自为政。这种情况必须改变，以便更广泛的科学家共同努力，解决我们最雄心勃勃的十年挑战。跨学科的调查是最好的支持，把研究人员聚集在一起，在信息发现的水平。为了跨越传统的学科孤岛，我们必须允许科学家探索新的想法，并获得新的数据和知识。最好通过提供发现平台来实现这一点，使他们能够探索和连接文献中的不同研究线索，识别专家社区，访问和分析相关的已发布数据集，测量和目录。
2019-03-01 astro-ph.IM
Big and Small
技术引领天文学的发现，就像在所有其他科学领域一样，因此技术的发展导致了新发现的不断涌现，这使得我们的领域如此迷人。德里克德索拉价格分析了发现过程中的科学在20世纪60年代，他介绍了术语“小科学”和“大科学”的一部分，他的讨论的作用，指数增长的科学。我将展示天文学设施的发展是如何随着一个领域的成熟而遵循从“小科学”到“大科学”的同样趋势的。我们可以从导致诺贝尔天文学奖的发现中看到这一点。对射电天文学发现的更详细的分析表明了同样的效果。我包括一个题外话，看看科学是如何进步的，比较预测，偶然发现，测量和解释的作用。最后，我评论了物理学和天文学中的“大科学”文化之间的差异。
2010-04-24 astro-ph.IM physics.pop-ph
BRICS Astronomy and the United Nations Open Universe Initiative
电子连接、便携式设备和网络的几乎普遍可用性正在带来一场重大革命：所有人都能迅速获得各种信息，几乎改变了世界各地的社会、经济和文化生活。互联网技术代表了数据生产者和用户之间前所未有的非凡双向沟通渠道。“开放宇宙”是向联合国和平利用太空委员会（外空委）提出的一项倡议，目前正在联合国太空事务厅（外空厅）的领导下实施。其主要目标是促进大幅增加空间科学数据的提供和使用，将科学发现的潜力扩展到世界各地的新参与者。本文介绍了该倡议的一般情况，为证明其可行性而开展的一些活动，以及在金砖国家天文学计划中的使用。
2020-06-13 astro-ph.IM
The VO: A powerful tool for global astronomy
自2000年初成立以来，作为许多国家和国际项目合作开发的虚拟天文台（VO）已成为发现和传播全球天文信息的主要因素。IVOA一直在协调世界各地的所有这些努力，以确保一个共同的VO框架，使世界各地的天文学资源（数据和软件）能够透明地访问和互操作。VO并不是所有天文数据管理挑战的神奇解决方案，但它确实在许多领域带来了有用的解决方案，这一事实证明了VO接口广泛存在于全球天文学主要数据中心和项目中。天文学数据中心一直在其现有数据服务之上构建虚拟组织服务，以提高与其他符合虚拟组织标准的数据资源的互操作性，从而利用虚拟组织应用程序的持续和不断发展。VO的应用使多仪器和多波长科学，天文学的一个困难和富有成效的部分，变得更加容易。最近，几个主要的新天文学项目直接采用VO标准来构建其数据管理基础设施，从而产生了VO内置档案。从一开始就采用VO框架带来了双重好处，即不需要重新发明轮子，并从一开始就确保与其他天文学VO资源的互操作性。一些IVOA标准也开始被行星科学等邻近学科使用。VO还有很多工作要做，特别是应对即将到来的大数据挑战，以及如何为新的数据分析范式找到可互操作的解决方案，使软件接近数据并运行。
2018-03-20 astro-ph.IM
pathfinder: A Semantic Framework for Literature Review and Knowledge Discovery in Astronomy
Pathfinder利用大语言模型和35万篇论文语料库，通过语义搜索替代关键词检索，实现天文学文献综述与知识发现，并支持多场景应用与结果定制。
2024-08-02 astro-ph.IM cs.DL cs.IR
ESA Sky: a new Astronomy Multi-Mission Interface
我们为所有ESA天文任务提供了一个科学驱动的发现门户网站，称为ESA Sky，允许用户探索多波长天空，并从Web应用程序中无缝检索所有ESA天文任务档案中的科学就绪数据，而无需事先了解任何任务。该服务的第一个公开测试版已经发布，目前具有一个用于探索多波长天空和用于科学就绪成像数据和目录的单个和/或多个目标搜索的界面。未来的版本将能够检索光谱，并将有特殊的时域探索功能。从技术角度来看，该系统使用CDS开发的称为HiPS的新一代HEALPix投影，提供完整任务数据集的渐进式多分辨率全天空投影;详细的几何足迹，将全天空马赛克与单个观测联系起来;以及直接访问底层特定任务科学档案中的科学就绪数据。
2015-12-02 astro-ph.IM
ESASky: The whole of space Astronomy at your fingertips
ESASky是一个新的科学驱动的发现门户网站，适用于所有欧空局天文任务，使全球用户能够简化访问欧空局和其他数据提供商的高水平科学就绪产品。该工具具有天空探索界面和单/多目标界面，并且不需要事先了解每个任务的具体细节。用户可以在多个波长下探索天空，快速查看目标的可用数据，并检索相关产品，只需点击几下。该工具的第一个版本于2016年5月发布，提供了对成像数据和一些目录的访问。未来的版本将能够检索光谱数据，并将纳入未来允许时域探索和研究太阳系天体。
2016-10-31 astro-ph.IM
DAMEWARE: A web cyberinfrastructure for astrophysical data mining
天文学正在经历一场由空前丰富的复杂和准确的数据引发的方法论革命。新的全色天气巡天需要先进的工具来发现隐藏在复杂和高维数据背后的模式和趋势。我们提出DAMEWARE（数据挖掘和勘探Web应用资源）：一个通用的，基于Web的，分布式数据挖掘环境开发的大型数据集的探索，并微调天文应用。通过图形用户界面，它允许用户使用机器学习方法执行分类，回归或聚类任务。DAMEWARE的突出特点包括它能够在最少人为干预的情况下处理大型数据集，并处理各种各样的实际问题，如星系NGC1399中的球状星团的分类，光度红移的评估，最后，在多波段光度测量中识别候选的活动星系核。在所有这些应用程序中，DAMEWARE允许实现更好的结果比那些获得更传统的方法。为了向潜在用户提供所需的信息，本文简要介绍了DAMEWARE的技术背景，简要介绍了数据挖掘的一些相关方面，然后总结了一些科学案例，最后详细描述了一个模板用例。
2014-06-13 astro-ph.IM
Citizen Astronomy in China: Present and Future
公民科学是指由非专业科学家（如业余爱好者或普通公众）进行或参与的科学研究。公民天文学是公民科学的一个典型例子。近几十年来，公民天文学家从技术进步中受益，因为他们填补了专业天文学家在时域观测，视觉分类和数据挖掘等领域留下的科学空白。中国的天文学家在新天体的发现方面做出了显著的贡献，但与西方同行相比，他们似乎对不涉及新发现的研究不太感兴趣，如视觉分类，长期监测天体和数据挖掘。通过对我国公民天文爱好者的问卷调查，发现我国公民天文爱好者以男性（$92\%$）为主，且大多居住在经济发达的省份。很大一部分（$69\%$）受访者是学生和25岁以下的年轻专业人士，这与典型中国互联网用户的职业和年龄分布以及银河动物园等大型国际公民科学项目的用户分布存在显著差异。这表明中国青年一代比一般一代更愿意参与公民天文学研究。此外，我们发现，对天文学的兴趣，学习新知识的愿望，有一个有趣的经验，并在社会上结识新朋友都是中国公民天文学家参与研究的重要驱动因素。这也与西方国家的同行不同。(full PDF格式的摘要）
2017-11-06 astro-ph.IM
LRP2020: Probing Diverse Phenomena through Data-Intensive Astronomy
随着波长和时域观测数据的规模和复杂性不断增加，从这种复杂性中提取信息的算法的发展，以及将这些算法应用于不断增长的数据库的计算能力，数据密集型天文学的时代正在到来。数据密集型方法正在推动几乎所有天文学领域的边界，从系外行星科学到宇宙学，它们正在成为我们如何理解宇宙的关键模式。这些方法的成功范围从发现罕见或意想不到的现象，到描述现在可以通过精确的天体物理学和对数据集的深入统计理解来访问的过程，再到开发最大化可以从任何一组观测中提取的科学的算法。在本白皮书中，我们提出了一系列举措，以最大限度地提高加拿大在这个数据密集型时代的竞争能力。我们建议加入国际合作，并利用加拿大的设施，为遗留数据的潜力。我们建议继续构建更敏捷的计算基础设施，以满足处理更大、更复杂数据的需求，并实现快速原型设计和算法扩展。我们认识到，发展该领域的基本技能将是至关重要的加拿大天文学家，并讨论通过适当的计算和统计培训可能发生的途径。最后，我们注意到，向数据密集型技术的过渡并不局限于天文学，我们应该与其他学科协调，开发和利用方法、基础设施和教育方面的最佳技术。
2019-10-04 astro-ph.IM
Data Mining and Machine-Learning in Time-Domain Discovery & Classification
几个世纪以来，不断变化的天空在天文学家的科学努力中发挥了核心作用。伽利略从1610年开始观测木星的卫星和金星的相位，有力地反驳了托勒密的宇宙学。在更近的时代，一些脉动变星的周期和光度之间关系的发现导致了银河系的大小，到最近星系的距离尺度和宇宙膨胀的推断。超新星的远距离爆炸被用来揭示暗能量的存在，并提供了一个精确的暗物质的数值计算。事实上，瞬变事件和变星的时域观测，作为一种技术，影响了整个天文学研究的广泛多样性。虽然在基本层面上，科学追求的性质保持不变，但天文学作为一门数据驱动的学科的出现对现在必须进行的科学过程的方式提出了根本性的挑战。数字图像（和数据立方体）不仅变得越来越大，而且数量越来越多。从物流角度看，这对储存和运输系统造成了负担。但这也意味着，天文学家与他们的数据一直享有的密切联系-从收集到处理到分析再到推断-必须发展。科学推理的途径现在受到现代自动化过程、计算、数据挖掘和机器学习的影响（如果不是驱动的话）。新出现的对计算和机器学习的依赖是普遍的，但数据和感兴趣的对象的时域方面提出了一些独特的挑战，我们在本章中描述和探讨。
2011-04-15 astro-ph.IM
A Comprehensive Network for the Discovery and Characterization of Interstellar Objects
Vanderbilt University（范德堡大学）；Harvard University（哈佛大学）
本文提出CISON网络，通过整合宽视场发现与高分辨率表征，提升星际物体的预测性分类和拦截任务能力。
2026-01-29 astro-ph.EP astro-ph.GA astro-ph.IM
The ROAD to discovery: machine learning-driven anomaly detection in radio astronomy spectrograms
University of Amsterdam（阿姆斯特丹大学）；ASTRON, the Netherlands Institute for Radio Astronomy（荷兰射电天文研究所（ASTRON））；Netherlands eScience Center（荷兰电子科学中心）
针对射电望远镜数据增长下的异常检测需求，提出融合自监督学习与监督分类的ROAD框架，在LOFAR数据集上实现实时高精度的常见异常分类与未知异常检测，性能优于现有方法。
2023-07-03 astro-ph.IM cs.AI
Building A Field: The Future of Astronomy with Gravitational Waves, A State of The Profession Consideration for Astro2020
利用引力波天文学的巨大发现潜力需要大胆、深思熟虑和持续的努力来训练和发展必要的劳动力。下一个十年需要一个战略计划，从头开始建立一个强大的，开放的，连接良好的引力波天文学社区，并由传统天文学家，物理学家，数据科学家和仪器专家深度参与。迫切需要这种基本的基础设施作为研究的有利基础。我们为资助机构、大学和专业协会提出了一系列建议，以帮助建立一个繁荣、多样和包容的新领域。
2019-12-16 astro-ph.HE astro-ph.IM
An innovative alternative to traditional funding streams for extragalactic astronomy
Institute for Extragalactic Finance（系外金融研究所）；Centre for High Redshift Cryptocurrency, University of Atlam（阿特兰大学高红移加密货币中心）
本文提出GalaxyCoin，一种基于真实天体的加密货币，通过星系目录参数化令牌生成与分配，旨在提供透明、不可变的天文数据基础，促进可持续性和公众参与。
2026-03-31 astro-ph.GA astro-ph.IM
Next-generation Astronomy
我们研究天文学的方式正在发生根本性的变化。在20年的时间里，大多数天文学家可能永远不会接近尖端的望远镜，这将是更有效地运行在服务模式。他们很少分析数据，因为所有的尖端望远镜都有流水线处理器。天文学家们通常不会竞相观测一个特别有趣的天体，而是组成大型联盟，在精心设计的调查中观测大量的天空，每天产生PB级的数据。我们可以想象，天文生产力将比以往任何时候都高。博士生将使用复杂的工具挖掘庞大的调查数据库，对广阔地区的不同波长数据进行交叉关联，并在开始攻读博士学位后的几个月内得出一线天文学结果。现在用于规划观测的专业知识将用于规划对数据库的入侵。实际上，人们将计划使用虚拟天文台进行观测。在这里，我审视了天文学发现的过程，用水晶球来观察它在未来20年内会如何变化，并确定未来的进一步机会，以及确定我们必须保持警惕的陷阱。
2010-09-30 astro-ph.IM physics.hist-ph
Sonification and Sound Design for Astronomy Research, Education and Public Engagement
在过去的十年里，使用声音来表示天文数据和概念的项目数量大幅增加。这些项目的动机包括通过利用声音固有的多维性和我们的听觉从噪声中过滤信号的能力，在复杂数据集中增强科学发现的潜力。其他动机包括为教育和公众参与创造吸引人的多感官资源，使盲人或视力低下的人更容易接触天文学，促进他们参与科学和相关职业。我们描述了声音在这些背景下的潜在好处，并提供了我们确定的近100个基于声音的天文学项目的概述。我们讨论了目前所采取的方法的局限性和挑战。最后，我们提出了未来的方向，以帮助实现基于声音的技术的全部潜力，并扩大其在天文学界的应用。
2022-06-27 astro-ph.IM physics.ed-ph physics.soc-ph
OntoPortal-Astro, a Semantic Artefact Catalogue for Astronomy
针对天文学数据生态系统间的差距及语义人工制品（SA）碎片化问题，本文提出OntoPortal-Astro原型目录，以编目、对齐FAIR SA，改善社区词汇管理并促进跨学科数据发现与重用。
2025-07-18 astro-ph.IM cs.DL
Linking to Data - Effect on Citation Rates in Astronomy
带有数据链接的文章和没有数据链接的文章之间的引用率是否存在差异？除了从纯学术的角度来看是有趣的，这个问题也是高度相关的推进科学的过程。数据共享不仅有助于索赔的核实过程，而且有助于在档案数据中发现新的发现。然而，链接到数据仍然远远没有成为一种“实践”，特别是当作者在写作和提交过程中提供这些链接时。你需要有一个意愿和一个出版机制，以创造这样的做法。显示与数据链接的文章获得更高的引用率可能会增加科学家采取额外步骤将数据源链接到他们的出版物的意愿。在这个演示中，我们将展示这确实是这样的情况：与数据链接的文章比没有这样的链接的文章有更高的引用率。ADS由NASA Grant NNX 09 AB 39 G资助。
2011-11-15 astro-ph.IM cs.DL
Applications of AI in Astronomy
California Institute of Technology（加州理工学院）；Heidelberg Institute for Theoretical Studies（海德堡理论研究所）；University of California, Irvine（加州大学尔湾分校）
我们对机器学习（ML）和其他人工智能方法在天文学、天体物理学和宇宙学中的应用进行了简要的、不可避免的不完整概述。天文学进入了大数据时代，在20世纪90年代初进行了第一次数字巡天，并产生了Terascale数据集，这需要自动化许多数据处理和分析任务，例如恒星-星系分离，数百个维度的数十亿特征向量。随着天气巡天和时域天文学的兴起，数据呈指数级增长，由此产生的Petascale数据流以及对实时处理，分类和决策的需求。各种各样的分类和聚类方法已被应用于这些任务，这仍然是一个非常活跃的研究领域。在过去的十年中，我们看到天文学文献呈指数级增长，涉及各种ML/AI应用，其复杂性和复杂性不断增加。ML和AI现在是天文学工具包的标准部分。随着数据复杂性的不断增加，我们预计会有进一步的进步，从而实现人类与人工智能的协作发现。
2022-12-03 astro-ph.IM cs.AI cs.LG
The Durability and Fragility of Knowledge Infrastructures: Lessons Learned from Astronomy
可持续发展结构本身并不耐用或脆弱，但从长远来看，所有这些结构都是脆弱的。耐久性要求对各个组件及其之间的连接进行维护和保养。天文学是研究知识基础设施的理想领域，因为它有着悠久的历史，透明度和几个世纪以来观测数据的积累。本文报告的研究借鉴了对科学数据实践的长期研究，以提出有关天文学数据基础设施的耐用性和脆弱性的问题。研究方法包括访谈、民族志和文献分析。随着天文学已成为一门数字科学，天文学界已投资于共享仪器、数据标准、数字档案、元数据和发现服务以及其他相对耐用的基础设施组件。天文学数据做法的几个特点造成了基础设施的脆弱性。其中包括地面和空间飞行任务之间、巡天和航天器主导项目之间以及观测数据和模拟数据之间的不同存档做法。基础设施各组成部分根据国际协定紧密相连。然而，这些基础设施的持久性依赖于许多无形的工作-编目、元数据和信息专业人员进行的其他劳动。持续投资于这些基础设施的人力和技术组成部分的护理和维护，是可持续性的必要条件。
2016-10-31 astro-ph.IM cs.CY cs.DL
Toward decision-aware AI for LSST-scale time-domain astronomy
Centro Brasileiro de Pesquisas Físicas（巴西物理研究中心）；Laboratorio Interinstitucional de e-Astronomia-LIneA（跨机构电子天文学实验室）；California Institute of Technology（加州理工学院）；University of Delaware（特拉华大学）；INAF–Osservatorio Astronomico di Palermo（意大利国家天体物理研究所巴勒莫天文台）；University of Minnesota（明尼苏达大学）；Stanford University（斯坦福大学）
本文提出将LSST视为部分观测的动态环境，通过基础模型学习源状态表示并采用决策理论策略优化后续观测资源分配，以最大化长期科学价值。
2026-06-03 astro-ph.HE astro-ph.IM hep-ph
The multi-frequency multi-temporal sky
从长波无线电波到高能伽马射线，电磁波谱所有波段的大量和快速增长的数据使当代天文学受益。天文学家通常专注于在一个特定的能量窗口中获取的数据，然而，全球数据中心和虚拟天文台的出现，提供了对不同时期所有能量波段的高质量数据的简单和开放的访问，使多频率和多时期天文学比过去更便宜。目前正在开发旨在合并和分析这些数据集的新工具，目的是使观测结果可视化，并提取有关以以前不可能的方式为宇宙源提供动力的物理过程的信息。在这篇文章中，耀变体，一种在所有频率发射高度可变辐射的宇宙源，被用作一个例子来描述这种类型的天文学今天的可能性，以及在不久的将来发现的潜力。
2013-08-29 astro-ph.CO astro-ph.HE astro-ph.IM
Deep Learning for Multi-Messenger Astrophysics: A Gateway for Discovery in the Big Data Era
NCSA, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）；Department of Astronomy, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校天文学系）；California Institute of Technology（加州理工学院）；Las Cumbres Observatory（拉斯坎布雷斯天文台）；Caltech/IPAC-NExScI（加州理工学院/红外处理与分析中心-系外行星科学研究所）；Department of Physics and Astronomy, University of Delaware（特拉华大学物理与天文学系）；Data Science Institute, University of Delaware（特拉华大学数据科学研究所）；Center for Urban Science and Progress, New York University（纽约大学城市科学与进步中心）；The Oskar Klein Centre for Cosmoparticle Physics, Stockholm University（斯德哥尔摩大学奥斯卡·克莱因宇宙粒子物理中心）；The University of Chicago（芝加哥大学）；IBM Systems（IBM系统部）
本报告概述了利用大数据革命和大规模计算来解决多信使天体物理学中的重大计算挑战的最新工作，特别强调实时发现活动。鉴于多信使天体物理学的跨学科性质，本文档由物理学、天文学、计算机科学、数据科学、软件和网络基础设施社区的成员编写，他们参加了由NSF、DOE和NVIDIA资助的“多信使天体物理学深度学习：大规模实时发现”研讨会，于2018年10月17日至19日在国家超级计算应用中心举办。该报告的亮点包括一致同意加速开发和部署新型信号处理算法至关重要，这些算法利用人工智能（AI）和高性能计算之间的协同作用，以最大限度地发挥多信使天体物理学的科学发现潜力。我们讨论了实现这一努力的关键方面，即（i）多信使天体物理学的可扩展和计算效率高的人工智能算法的设计和开发;（ii）数字模拟天体物理源的网络基础设施要求，以及处理和解释多信使天体物理学数据;（iii）管理引力波探测和触发，以实现电磁和天体粒子的后续行动;（iv）利用机器和深度学习以及网络基础设施资源的未来发展来应对大数据时代发现规模的愿景;（v）需要建立一个社区，将领域专家与数据科学家平等地聚集在一起，以最大限度地提高和加速多信使天体物理学新兴领域的发现。
2019-02-01 astro-ph.HE astro-ph.IM cs.LG
