Galaxy Zoo DECaLS: Detailed Visual Morphology Measurements from Volunteers and Deep Learning for 314,000 Galaxies
University of Oxford（牛津大学）；European Space Agency（欧洲空间局）；University of Portsmouth（朴茨茅斯大学）；University of Minnesota（明尼苏达大学）；University of Nottingham（诺丁汉大学）；Princeton University（普林斯顿大学）
Mike Walmsley, Chris Lintott, Tobias Geron, Sandor Kruk, Coleman Krawczyk, Kyle W. Willett, Steven Bamford, Lee S. Kelvin, Lucy Fortson, Yarin Gal, William Keel… 展开作者
Mike Walmsley, Chris Lintott, Tobias Geron, Sandor Kruk, Coleman Krawczyk, Kyle W. Willett, Steven Bamford, Lee S. Kelvin, Lucy Fortson, Yarin Gal, William Keel, Karen L. Masters, Vihang Mehta, Brooke D. Simmons, Rebecca Smethurst, Lewis Smith, Elisabeth M. Baeten, Christine Macmillan
我们提出银河动物园装饰：SDSS DR 8足迹内星系的暗能量相机遗产调查图像的详细视觉形态分类。更深的DECaLS图像（r=23.6与SDSS的r=22.2）显示了螺旋臂、弱条和以前在SDSS成像中不可见的潮汐特征。为了最好地利用DECaLS图像的更大深度，志愿者从一组新的答案中选择，这些答案旨在提高我们对合并和酒吧的敏感性。银河动物园志愿者提供了超过314，000个星系的750万个分类。140，000个星系至少有30个分类，足以精确测量像条形图这样的详细形态，其余的大约有5个。所有分类都用于训练贝叶斯卷积神经网络（一种最先进的深度学习方法），以预测所有314，000个星系的详细形态的后验。当与自信的志愿者分类进行衡量时，网络对每个问题的准确率约为99%。形态学是每个星系的基本特征;我们的人类和机器分类是了解星系如何演化的准确而详细的资源。
英文摘要：
We present Galaxy Zoo DECaLS: detailed visual morphological classifications for Dark Energy Camera Legacy Survey images of galaxies within the SDSS DR8 footprint. Deeper DECaLS images (r=23.6 vs. r=22.2 from SDSS) reveal spiral arms, weak bars, and tidal features not previously visible in SDSS imaging. To best exploit the greater depth of DECaLS images, volunteers select from a new set of answers designed to improve our sensitivity to mergers and bars. Galaxy Zoo volunteers provide 7.5 million individual classifications over 314,000 galaxies. 140,000 galaxies receive at least 30 classifications, sufficient to accurately measure detailed morphology like bars, and the remainder receive approximately 5. All classifications are used to train an ensemble of Bayesian convolutional neural networks (a state-of-the-art deep learning method) to predict posteriors for the detailed morphology of all 314,000 galaxies. When measured against confident volunteer classifications, the networks are approximately 99% accurate on every question. Morphology is a fundamental feature of every galaxy; our human and machine classifications are an accurate and detailed resource for understanding how galaxies evolve.
From Galaxy Zoo DECaLS to BASS/MzLS: detailed galaxy morphology classification with unsupervised domain adaption
Shanghai Astronomical Observatory, Chinese Academy of Sciences（中国科学院上海天文台）；School of Astronomy and Space Science, University of Chinese Academy of Sciences（中国科学院大学天文与空间科学学院）；Shanghai Key Lab for Astrophysics, Shanghai Normal University（上海师范大学上海市天体物理重点实验室）；Centre for Astrophysics Research, University of Hertfordshire（赫特福德大学天体物理研究中心）
Galaxy Zoo: Probabilistic Morphology through Bayesian CNNs and Active Learning
University of Oxford（牛津大学）；University of Nottingham（诺丁汉大学）；University of Minnesota（明尼苏达大学）；European Space Agency（欧洲空间局）；Haverford College（哈弗福德学院）；University of Portsmouth（朴茨茅斯大学）
Morphologies for DECaLS Galaxies through a combination of non-parametric indices and machine learning methods: A comprehensive catalog using the Galaxy Morphology Extractor (galmex) code
Instituto de Física, Universidad Técnica Federico Santa María（圣塔马利亚联邦理工大学物理研究所）；Millennium Nucleus for Galaxies (MINGAL)（星系千年核（MINGAL））；Departamento de Astronomía, Universidad de La Serena（拉塞雷纳大学天文学系）；Departamento de Astronomía, Facultad Ciencias Físicas y Matemáticas, Universidad de Concepción（康塞普西翁大学理学院天文学系）
Galaxy Zoo: Cosmic Dawn -- morphological classifications for over 41,000 galaxies in the Euclid Deep Field North from the Hawaii Two-0 Cosmic Dawn survey
The Open University（开放大学）；University of Toronto（多伦多大学）；University of Minnesota（明尼苏达大学）；European Space Agency (ESA)（欧洲航天局）；Haverford College（哈弗福德学院）；Lancaster University（兰卡斯特大学）；University of Oxford（牛津大学）
Gems of the Galaxy Zoos -- a Wide-Ranging Hubble Space Telescope Gap-Filler Program
我们描述了银河系动物园的宝石（动物园宝石）项目，一个填补空白的项目，在哈勃太空望远镜的时间表中使用短窗口。与以前的快照计划一样，目标是根据位置从一个池中提取的;我们结合了志愿者在银河动物园和无线电银河动物园公民科学项目中选择的对象。Zoo Gems使用Advanced Camera for Surveys（ACS）的曝光来解决星系形态，星际介质内容，活动星系核的宿主星系和星系演化等广泛的主题。科学案例包括研究星系的相互作用，星系中的背光尘埃，星暴后系统，环和特殊的螺旋图案，通常的颜色-形态关系的异常值，绿豆紧凑的星暴系统，螺旋宿主星系的双射电源，以及活动星系核周围的扩展发射线区域。对于这些科学类别中的许多类别，从更大的列表中最终选择目标是通过投票过程使用公众输入。到目前为止的亮点包括在蓝色的，显然是早期类型的星系中紧密缠绕的螺旋结构的流行，一个几乎完整的爱因斯坦环从一个群透镜，在较低的表面亮度周围的紧凑的绿豌豆星爆的红色组件，以及螺旋星系托管大型双射电源的高概率例子。
Practical Galaxy Morphology Tools from Deep Supervised Representation Learning
University of Manchester（曼彻斯特大学）；The Alan Turing Institute（艾伦·图灵研究所）；University of Oxford（牛津大学）；University of the Western Cape（西开普大学）；South African Radio Astronomy Observatory (SARAO)（南非射电天文台（SARAO））；The Open University（开放大学）；University of Minnesota（明尼苏达大学）
From Images to Features: Unbiased Morphology Classification via Variational Auto-Encoders and Domain Adaptation
Shanghai Astronomical Observatory, Chinese Academy of Sciences（中国科学院上海天文台）；University of Chinese Academy of Sciences（中国科学院大学）；Yunnan Minzu University（云南民族大学）；University of Hertfordshire（赫特福德大学）
Specific Star Formation Rate Enhancement across the Galaxy Merger Sequence: Insights from Citizen Science Classifications
Minnetonka High School（明尼通卡高中）；Minnesota Institute for Astrophysics, University of Minnesota（明尼苏达大学天体物理研究所）；Department of Physics & Astronomy, University of Missouri Kansas City（密苏里大学堪萨斯城分校物理与天文系）；Missouri Institute for Defense & Energy (MIDE)（密苏里国防与能源研究所）
Dunlap Institute for Astronomy & Astrophysics, University of Toronto（多伦多大学邓拉普天文学与天体物理研究所）；Department of Physics & Astronomy, University of Manchester（曼彻斯特大学物理与天文学系）；The Alan Turing Institute（艾伦·图灵研究所）；Department of Physics, Lancaster University（兰卡斯特大学物理系）；Institute for Astronomy, University of Edinburgh（爱丁堡大学天文学研究所）；School of Physical Sciences, The Open University（开放大学物理科学学院）；Department of Astronomy & Astrophysics, University of Toronto（多伦多大学天文学与天体物理系）；Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系）；Data Sciences Institute, University of Toronto（多伦多大学数据科学研究所）；School of Physics and Astronomy, University of Minnesota（明尼苏达大学物理与天文学学院）；Minnesota Institute for Astrophysics, University of Minnesota（明尼苏达大学明尼苏达天体物理研究所）；European Space Agency, European Space Astronomy Centre (ESAC)（欧洲空间局欧洲空间天文学中心）；Oxford Astrophysics, Department of Physics, University of Oxford（牛津大学物理系牛津天体物理学）；Centro de Astrobiología (CAB), CSIC-INTA（天体生物学中心（CSIC-INTA））
Galactic bars and active galactic nucleus fuelling in the second half of cosmic history
SRON Netherlands Institute for Space Research（荷兰空间研究所）；Kapteyn Astronomical Institute, University of Groningen（格罗宁根大学卡普坦天文研究所）；European Space Agency (ESA), European Space Astronomy Centre (ESAC)（欧洲空间局（ESA），欧洲空间天文中心（ESAC））
The Edge-on Galaxies in the DESI survey (EGIDE): sample building and photometry
Central (Pulkovo) Astronomical Observatory of RAS（俄罗斯科学院中央（普尔科沃）天文台）；Saint Petersburg State University（圣彼得堡国立大学）；Special Astrophysical Observatory, Russian Academy of Sciences（俄罗斯科学院特殊天文台）；Sternberg Astronomical Institute, Lomonosov Moscow State University（莫斯科罗蒙诺索夫国立大学斯登伯格天文研究所）；Apache Point Observatory and New Mexico State University（阿帕奇点天文台与新墨西哥州立大学）
Can AI Dream of Unseen Galaxies? Conditional Diffusion Model for Galaxy Morphology Augmentation
Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen China（清华大学深圳国际研究生院，清华大学，深圳中国）；Department of Strategic and Advanced Interdisciplinary Research, Pengcheng Laboratory, Shenzhen China（战略与先进跨学科研究部，鹏城实验室，深圳中国）；Department of Astronomy, Tsinghua University, Beijing China（天文学系，清华大学，北京中国）；School of Mathematics and Physics, Qinghai University, Xining China（数学物理学院，青海大学，西宁中国）；Department of Astronomy, The Ohio State University, Columbus, OH 43210, USA（天文学系，俄亥俄州立大学，哥伦布，OH 43210，美国）；Center for Cosmology and AstroParticle Physics (CCAPP), The Ohio State University, Columbus, OH 43210, USA（宇宙学与天体粒子物理中心（CCAPP），俄亥俄州立大学，哥伦布，OH 43210，美国）
