《“Rubin 2036：发现机遇”研讨会：Vera C. Rubin天文台在LSST后的未来社区路线图》
The "Rubin 2036: Opportunities for Discovery" Workshop: A Community Roadmap for the Future of the Vera C. Rubin Observatory After the LSST
SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Kavli Institute for Particle Astrophysics and Cosmology, Stanford University（卡弗里粒子天体物理学与宇宙学研究所，斯坦福大学）；Stanford University（斯坦福大学）；Stony Brook University（石溪大学）；Argonne National Laboratory（阿贡国家实验室）；NSF NOIRLab（美国国家科学基金会NOIR天文台实验室）；Institute of Space Sciences (ICE-CSIC), Barcelona（空间科学研究所（ICE-CSIC），巴塞罗那）；Arizona State University（亚利桑那州立大学）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；University of Chicago（芝加哥大学）；University of California, Berkeley（加州大学伯克利分校）；Brown University（布朗大学）；National Centre for Nuclear Research (NCBJ), Warsaw（华沙核研究中心）；Korea Astronomy and Space Science Institute（韩国天文学与空间科学研究所）；Rutgers University（罗格斯大学）；Indian Institute of Technology Bombay（印度理工学院孟买分校）；University of South Africa（南非大学）；University of Belgrade（贝尔格莱德大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Simon Fraser University（西蒙菲莎大学）；University of Kent（肯特大学）；Physik-Institut, University of Zurich（苏黎世大学物理研究所）；Space Telescope Science Institute（太空望远镜科学研究所）；California Institute of Technology（加州理工学院）；CNRS-IN2P3（法国国家科学研究中心IN2P3）；Kobayashi-Maskawa Institute (KMI), Nagoya University（名古屋大学小林-益川研究所）；Princeton University（普林斯顿大学）；University of Pittsburgh（匹兹堡大学）；Carnegie Mellon University（卡内基梅隆大学）
Andrés Alejandro Plazas Malagón, Steve Allen, Shreya Anand, Timo Anguita, Muhammad Awais, Henry Best, Simon Birrer, Lindsey Bleem, Robert Blum, Adam S. Bolton, … 展开作者
Andrés Alejandro Plazas Malagón, Steve Allen, Shreya Anand, Timo Anguita, Muhammad Awais, Henry Best, Simon Birrer, Lindsey Bleem, Robert Blum, Adam S. Bolton, Rosaria Bonito, Alex Broughton, Jeffrey L. Carlin, Francisco Castander, Eric Charles, Rebecca C. Chen, Anirudh Chiti, Lyla Choi, Chuck Claver, Suber Corley, John Franklin Crenshaw, Arjun Dey, Seth Digel, Holger Drass, Alex Drlica-Wagner, Haruki Ebina, Lukas Eisert, Anthony Englert, Sydney Erickson, Kevin Fanning, Josh Frieman, Shenming Fu, Nandini Hazra, Carrie E. Holt, Minhee Hyun, Hafiz Inam Ullah, Saurabh Jha, J. Bryce Kalmbach, Yijung Kang, Kshitija Kelkar, Sthabile Kolwa, Andjelka Kovačević, Kenneth W. Lin, Meng-Xiang Lin, Becky Long, Sean MacBride, Alex I. Malz, Steve Margheim, Philip J. Marshall, Nigel J. Mason, Guillem Megias Homar, Simona Mei, Hironao Miyatake, Maia Moore, Ver'onica Motta, Justin Myles, Jeffrey A. Newman, Anh Nguyen, Yasna Ordenes-Briceño, Antonella Palmese, Swayamtrupta Panda, Claire Poppett, Francisco Pozo Nuñez, Anand Raichoor, Andrew Rasmussen, Maya Redden, Bernardita Ried Guachalla, Steve Ritz, Aaron Roodman, M'onica Rubio, Leonid Sajkov, Paras Sharma, Ben Sherwin, Brian Stalder, Chris Stubbs, John Suárez-Pérez, Sandrine Thomas, Chun-Hao To, Alessandro S. Tramuto, Yousuke Utsumi, Laura Venuti, Hai-Feng Wang, Risa Wechsler, Christina C. Williams, W. Michael Wood-Vasey, Prince Yadav, Masaya Yamamoto
本文总结“Rubin 2036”研讨会内容，该会约100人探讨Vera C. Rubin天文台LSST后的未来，涵盖五大工作组及跨领域主题，为其后续发展制定社区路线图。
摘要：
NSF-DOE Vera C. Rubin天文台将在21世纪30年代中期完成其为期十年的空间和时间遗产巡天（LSST）项目。其8.4米口径、9.6平方度视场的集光本领，是该时代规划的任何其他设施都无法比拟的。“Rubin 2036：发现机遇”研讨会（KIPAC/SLAC，2026年8月3日至5日）汇聚了约100名参与者，共同探讨Rubin在LSST后的未来。本文总结了该研讨会的结构及五个工作组的讨论内容：持续巡天组探究了基于Rubin成像预训练的机器学习基础模型，用于探测、源分离与分类；观测节奏组考量了LSST后观测时间的分配，以及系外行星凌星、Ia型超新星宇宙学、时延宇宙学、秒级瞬变的相关策略；滤光片组探究了宽带、中带与窄带滤光片，用于测光红移、高红移大尺度结构、活动星系核反响映射、银河考古学及发射线成像；多信使组探究了下一代引力波与中微子源的后续观测，包括标准汽笛、千新星、银河超新星；技术组按成本与交付时间整理了各类选项，包括快速读出、新型滤光片、更快的快门、山顶边缘计算。跨领域主题涵盖人工智能/机器学习、智利及拉美共同领导、巨型卫星星座、帕穹山的天气与气候趋势。研讨会白皮书与报告可通过此https URL和此https URL获取。
英文摘要：
The NSF-DOE Vera C. Rubin Observatory will complete its ten-year Legacy Survey of Space and Time (LSST) in the mid-2030s. Its 8.4 m aperture and 9.6 square degree field of view give it an étendue unmatched by any facility planned for that era. The Rubin 2036: Opportunities for Discovery workshop (KIPAC/SLAC, 3-5 August 2026) brought together approximately 100 participants to discuss Rubin's future after LSST. This paper summarizes the workshop's structure and discussions across five working groups. The continued-surveying group explored a machine-learning foundation model pretrained on Rubin imaging for detection, deblending, and classification. The cadence group considered allocating post-LSST observing time and strategies for transiting exoplanets, Type Ia supernova cosmology, time-delay cosmography, and second-scale transients. The filter group explored broadband, medium-band, and narrowband filters for photometric redshifts, high-redshift large-scale structure, AGN reverberation mapping, Galactic archaeology, and emission-line imaging. The multi-messenger group explored follow-up of next-generation gravitational-wave and neutrino sources, including standard sirens, kilonovae, and Galactic supernovae. The technology group organized options by cost and lead time, including fast readout, new filters, a faster shutter, and summit edge computing. Cross-cutting topics included AI/ML, Chilean and Latin-American co-leadership, satellite megaconstellations, and weather and climate trends at Cerro Pachón. White papers and workshop talks are available through https://zenodo.org/communities/rubin2036workshop/ and https://rubin-observatory.github.io/Rubin-Beyond-LSST/pages/Rubin2036proceedings/.
The Vera C. Rubin Observatory Prompt Processing System
University of Washington, Seattle, WA, USA（华盛顿大学）；SLAC National Accelerator Laboratory, Menlo Park, CA, USA（SLAC国家加速器实验室）；Burwood Group, Oak Brook, IL, USA（伯伍德集团）
该研究介绍了Vera C. Rubin Observatory的即时处理系统如何满足高吞吐量、低延迟和高可靠性的要求，并展示了观测站的调试结果。
Amortized Bayesian Inference for Supernovae in the Era of the Vera Rubin Observatory Using Normalizing Flows
Vera Rubin天文台将于2024年年中开始观测，这将使我们的超新星发现率提高到每年超过100万颗。人们一直在大力推动开发新的方法来识别、分类并最终理解鲁宾天文台发现的数百万颗超新星。在这里，我们提出了第一个基于模拟的推理方法，使用归一化流，训练快速推断多变量，Rubin类数据流中的玩具超新星模型的参数。我们发现，我们的方法是很好的校准相比，传统的推理方法（特别是MCMC），在测试时间只需要万分之一的CPU小时。
Recommended Target Fields for Commissioning the Vera C. Rubin Observatory
Vera C的调试团队。鲁宾天文台正在计划一套工程和科学验证观测与遗产调查的空间和时间（LSST）调试相机，然后鲁宾天文台LSST相机。这些观测的时间框架尚未确定，委托小组将灵活选择观测领域。在本文件中，暗能量科学合作（DESC）委托工作组提出了一个优先的目标领域清单，适合测试DESC相关科学性能的各个方面，按季节分组，以便从Cerro Pachon的鲁宾天文台获得可见度。我们推荐的字段包括用于照片- $z$和形状校准目的的深度钻探字段（DDFs）到完整的LSST深度，用于去混合研究的HST成像字段到完整的深度，以及几个过滤器中的$\sim$ 200平方度区域到1年深度，用于DESC广域科学案例的更高级别验证。我们还预计，将需要委托观测的模板建设瞬态科学在广泛的RA范围。我们包括我们推荐的字段的详细描述以及相关的参考资料。我们乐观地认为，这份文件将继续在LSST操作中发挥作用，因为它提供了一个全面的重叠数据集列表和描述它们的参考文献。
Early Telescope Throughput Results from the Collimated Beam Projector at the Vera C. Rubin Observatory
Laboratoire d’Annecy de Physique des Particules (LAPP)（巴黎-萨克雷大学粒子物理实验室）；NSF’s NOIRLab（美国国家光学红外天文实验室）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Laboratoire Irène Joliot-Curie (IJCLab)（伊雷娜·约里奥-居里实验室）；Kavli Institute for Particle Astrophysics & Cosmology (KIPAC)（卡弗里粒子天体物理与宇宙学研究所）；Department of Physics, Harvard University（哈佛大学物理系）
A Joint Roman Space Telescope and Rubin Observatory Synthetic Wide-Field Imaging Survey
我们提出并验证了20度$^2$的重叠合成成像调查，代表了南希格雷斯罗马空间望远镜高纬度成像调查（HLIS）的全深度和五年的观察维拉C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）这两个综合调查进行了总结，参考现有的300度$^2$的LSST模拟成像的一部分，暗能量科学合作（DESC）数据挑战2（DC 2）。这两次合成巡天观测到的是同一个模拟的DESC DC 2宇宙。对于合成罗马调查，我们首次模拟了全彩色图像以及使用飞行探测器从实验室测量中获得的传感器芯片组件的详细物理特性。模拟成像和所得到的物体光度特性的像素级测量跨越$\sim$ 0.3至2.0 $μ$ m的波长范围。我们还描述了罗马模拟管道的更新，相对于原始DC 2模拟的天体物理对象模拟方式的变化，以及由此产生的模拟罗马数据产品。我们使用这些模拟来探索LSST图像中未识别的混合物的相对比例，发现在LSST图像中识别的$i$波段亮度大于25的对象中有20-30%可以被识别为罗马图像中的多个对象。这些模拟为2020年代后半期开发和验证地基和天基成像数据集的像素级联合分析技术-特别是Roman-LSST联合分析-提供了一个独特的试验场。
Direct geometrical measurement of the Hubble constant from galaxy parallax: predictions for the Vera C. Rubin Observatory and Nancy Grace Roman Space Telescope
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。
Skykatana: a scalable framework to construct sky masks for the Vera Rubin Observatory and large astronomical surveys
Instituto de Ciencias Astronómicas, de la Tierra y del Espacio (ICATE), Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（地球与空间天文科学研究所 (ICATE)，阿根廷国家科学研究委员会 (CONICET)）；Facultad de Ciencias Exactas, Físicas y Naturales (FCEFYN-UNSJ), Universidad Nacional de San Juan（圣胡安国立大学精确、物理与自然科学学院 (FCEFYN-UNSJ)）；Instituto de Astronomía Teórica y Experimental (IATE), Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（理论与实验天文学研究所 (IATE)，阿根廷国家科学研究委员会 (CONICET)）；Observatorio Astronómico Córdoba , Universidad Nacional de Córdoba（科尔多瓦天文台，科尔多瓦国立大学）
Blazar variability with the Vera C. Rubin Legacy Survey of Space and Time (LSST)
耀变体的辐射主要来自指向我们的相对论性喷流，是研究河外喷流及其中心引擎的基本来源，由吸积盘提供的超大质量黑洞（SMBH）组成。它们也是高能中微子和宇宙射线的候选源。由于喷流的方向，非热耀变体的发射是多普勒波束;它的变化是不可预测的，发生的时间尺度从不到一小时到几年。理解产生通量和光谱变化的不同机制需要在长时间段上良好采样的多波段光变曲线。特别是，爆发是揭示潜在物理学的最佳测试平台，特别是在多波长背景下研究时。维拉C。Rubin Legacy Survey of Space and Time（Rubin-LSST）将在六个测光波段对南部天空进行为期十年的监测，为以统计方式研究blazar可变性特征提供了强大的工具。警报系统将使我们能够触发对突出事件的后续观测，特别是在高（keV到GeV）和非常高（TeV）能量下。在这里，我们研究了模拟Rubin-LSST调查策略，目的是了解哪些节奏更适合耀变体科学。我们的指标包括光变曲线和颜色采样。我们还调查了饱和的问题，这将影响最亮的和许多耀斑源，并将对后续观测产生不利影响。
Quantifying the Impact of LSST $u$-band Survey Strategy on Photometric Redshift Estimation and the Detection of Lyman-break Galaxies
University of Washington（华盛顿大学）；Imperial College London（帝国理工学院）；Rutgers, the State University of New Jersey（新泽西州立罗格斯大学）；University of Toronto（多伦多大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）；Université Paris Cité（巴黎西岱大学）
Satellite Constellation Avoidance with the Rubin Observatory Legacy Survey of Space and Time
我们研究了一种新的卫星回避策略，以减轻低地球轨道上的大型商业卫星星座对Vera C的影响。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）我们模拟了目前计划中的Starlink和OneWeb星座（$\sim$ 40，000颗卫星）的轨道，以测试升级后的Rubin调度算法如何有效地避免它们，并评估整体调查如何受到影响。给出了一个相当准确的卫星轨道预测，我们发现它是可能的调整调度算法，以有效地避免一些卫星。总的来说，牺牲10%的LSST观测时间来避开卫星，会使LSST访问条纹的比例减少两倍。是否需要这样的缓解取决于条纹对科学的总体影响，这还没有很好地量化。这是由于缺乏足够的信息，卫星亮度分布以及闪烁和低表面亮度残差的影响，警报纯度和宇宙学参数估计的系统误差。鲁宾行动期间卫星数量或亮度的显著增加可能使实施这种卫星回避策略变得值得。
Processing GOTO data with the Rubin Observatory LSST Science Pipelines I : Production of coadded frames
在过去的几十年里，宽视场、高节奏的勘测蓬勃发展，其中最令人生畏的将是由维拉C。鲁宾天文台。然而，系统时域巡天天文学领域是如此的新，以至于将继续使用比LSST更小、更灵活的系统来获得重大的科学见解。其中一个例子是引力波光学瞬态观测器，其主要科学目标是对引力波事件进行光学跟踪。GOTO和其他广域、高节奏调查产生的数据量和速度对数据处理管道提出了重大挑战，因为数据处理管道需要近实时操作以充分利用时域。在这项研究中，我们适应鲁宾天文台LSST科学管道处理GOTO数据，从而探索使用这种“现成的”管道处理其他广域，高节奏调查数据的可行性。在本文中，我们描述了我们如何使用LSST科学管道处理原始GOTO帧，最终产生校准的coadded图像和光度源目录。在将测量的天体测量和光度测量与PanSTARRS DR 1的匹配源进行比较后，我们发现测量的源位置通常精确到亚像素水平，并且测量的L波段光度测量精确到$m_L\sim16$的$\sim50$ mmag和$m_L\sim18$的$\sim200$ mmag。这些值相比，使用GOTO的主要，内部管道，GOTOPHOTO获得的，尽管这两个管道已经经历了进一步的发展和改进，超出了本研究中使用的实现。最后，我们发布了一个通用的“obs包”，如果其他人希望使用LSST科学管道来处理来自其他设施的数据，他们可以在此基础上构建。
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。
Extracting Asteroid Physical Properties from Vera C. Rubin Observatory Science Validation Survey Data: Rotational Periods, Colors, and Taxonomies
São Paulo State University (UNESP)（圣保罗州立大学）；Laboratório Interinstitucional de e-Astronomia（跨机构电子天文实验室）；NSF–DOE Vera C. Rubin Observatory / NSF NOIRLab（美国国家科学基金会-能源部薇拉·C·鲁宾天文台/美国国家科学基金会NOIRLab）；DiRAC Institute and the Department of Astronomy, University of Washington（华盛顿大学天文学系及DiRAC研究所）；Instituto de Astronomía y Ciencias Planetarias, Universidad de Atacama（阿塔卡马大学天文与行星科学研究所）；Universidad Tecnológica del Perú (UTP)（秘鲁理工大学）
Joint multiband deconvolution for Euclid and Vera C. Rubin images
Laboratory of Astrophysics, Ecole Polytechnique Fédérale de Lausanne (EPFL), Observatoire de Sauverny（天体物理实验室，瑞士洛桑联邦理工学院（EPFL），萨瓦尼观测站）；GEPI, Observatoire de Paris, Université PSL, CNRS（GEPI，巴黎天文台，巴黎-萨克勒大学，国家科学研究中心）；ICC-UB Institut de Ciències del Cosmos, Universitat de Barcelona（ICC-UB宇宙科学研究所，巴塞罗那大学）；ICREA, Pg. Lluís Companys 23, Barcelona（ICREA，巴塞罗那路易斯·康帕尼斯街23号）；Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎-萨克勒大学，巴黎城市大学，法国原子能委员会，国家科学研究中心，应用数学研究所）；Institutes of Computer Science and Astrophysics, Foundation for Research and Technology Hellas (FORTH), Greece（计算机科学与天体物理学研究所，希腊希腊研究与技术基金会（FORTH））
The Impact of Orbital Data Centers on the NSF-DOE Vera C. Rubin Observatory
The Grainger College of Engineering, Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格莱恩工程学院航空航天工程系）；IAU Centre for the Protection of the Dark and Quiet Sky（国际天文学联合会暗夜与静谧天空保护中心）；Department of Astronomy / DiRAC / Vera C. Rubin Observatory, University of Washington（华盛顿大学天文学系/迪拉克/Vera C. 鲁宾天文台）；NSF NOIRLab（美国国家科学基金会NOIRLab）；Department of Astronomy, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校天文学系）
Prospects for Astrobiology and Technosignature Searches with the Vera C. Rubin Observatory Legacy Survey of Space and Time
University of Belgrade（贝尔格莱德大学）；School of Physics and Astronomy, University of Kent（肯特大学物理与天文学院）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；Department of Astronomy and Astrophysics, University of Chicago（芝加哥大学天体物理学系）
