数理科学 · OECD FoS 1.3 · 教育部 0704 天文学

天文学

Astronomy & astrophysics

L2局部突破 → 持平综合分 2.45 · 上次复审 2026-10-22 · 下次复审 2027-01-19

最大突破 2018-01-30 AI 影响 · 重要学科影响 · 重要

神经网络在 Kepler 数据中发现 Kepler-90i（AJ；NASA 2017-12-14 公布） ↗

神经网络在 Kepler 数据中找到第 8 颗行星，Kepler-90 成为与太阳系并列行星最多的系统

分级理由

机器学习已能批量发现系外行星候选与超新星：TESS 数据中找出约 1 万个新候选（ApJS 2026），NASA ExoMiner++ 给出约 7000 个候选；多数仍需人工审查和后续观测确认。

研究方法 ×0.33/4

深度学习已是巡天数据分类、瞬变源和系外行星搜寻的标准方法 · 来源 ↗

科学发现 ×0.352/4

批量候选体发现（约 1 万个 TESS 候选、强引力透镜）需后续观测确认 · 来源 ↗

从业者采用 ×0.253/4

Rubin 天文台等实时警报代理（Fink 等）用 ML 做业务化分类 · 来源 ↗

教育/课程 ×0.11/4

未找到课程证据

S = 0.30·method + 0.35·discovery + 0.25·adoption + 0.10·education（教育缺证据时记 0 分；若为空则按其余权重归一）

依据来源

综合分 1.5–2.49：至少一项经同行评审或官方验证、AI 起关键作用的成果，或某一维度已达到 3 分；但常规工作流整体未变。全部分级标准 →

研究方向

系外行星搜寻瞬变源实时分类巡天数据异常检测

论文

New substellar candidates identified through deep learning in the F150 sample of the large-scale SHINE direct imaging survey NA-SODINN 深度学习重分析 VLT/SPHERE SHINE 巡天 150 颗恒星，找到 13 个此前未报告的亚恒星伴星候选（A&A）
AI：监督式深度学习在角差分成像序列中找出经典方法漏掉的弱信号，并找回全部已知伴星；学科：目前仅 Smethells 20 周围的候选值得优先跟进观测，属候选而非确认

2026-10-15 · Astronomy & Astrophysics
The T16 Planet Hunt: 10,000 New Planet Candidates from TESS Cycle 1 and the Confirmation of a Hot Jupiter around TIC 183374187* T16 行星搜寻：TESS 第 1 周期约 1 万个新行星候选（ApJS）
约 1 万个新候选，规模远超人工搜寻

2026-04-28 · The Astrophysical Journal Supplement Series
The Dawes Review 10: The impact of deep learning for the analysis of galaxy surveys 综述：深度学习对星系巡天分析的影响（PASA Dawes Review）
系统梳理深度学习成为巡天标准工具的过程

2023-01-10 · Publications of the Astronomical Society of Australia
ExoMiner: A Highly Accurate and Explainable Deep Learning Classifier That Validates 301 New Exoplanets ExoMiner：深度学习一次验证 301 颗 Kepler 新行星（ApJ）
NASA 用神经网络一次性统计验证 301 颗行星，确立 AI 行星验证流程

2022-02-17 · The Astrophysical Journal
Identifying Exoplanets with Deep Learning: A Five-planet Resonant Chain around Kepler-80 and an Eighth Planet around Kepler-90 神经网络在 Kepler 数据中发现 Kepler-90i（AJ；NASA 2017-12-14 公布）
神经网络在 Kepler 数据中找到第 8 颗行星，Kepler-90 成为与太阳系并列行星最多的系统

2018-01-30 · The Astronomical Journal

用概率机器学习做短时大气视宁度预报 Probabilistic Machine Learning for Short-Term Atmospheric Seeing Forecasting
对比多种概率机器学习模型，提前最多两小时预测天文观测中的大气视宁度，并重点评估不确定性量化。

2026-10-21 · arXiv · Mary-Joe Medlej, Rahul Srinivasan, Simon Prunet, Aziz Ziad
用多模态表示学习刻画变源光变曲线 Data-driven characterisation of variable source light curves with multimodal representation learning
提出与巡天无关、无需标注的框架，为 ZTF、鲁宾 LSST 等产生的海量变星光变曲线学习表示并做特征刻画，不再局限于预定义分类体系。

2026-10-21 · arXiv · M. Madarász, G. Marton, M. Audard
双中子星并合模拟中 M1 中微子反应率的混合神经网络替代器 A Hybrid Neural Network Emulator for M1 Neutrino Reaction Rates in Binary Neutron Star Merger Simulations
只用神经网络模拟计算量最大的二维反应过程，其余仍用原库计算，在保持精度的同时加速中微子输运模拟。

2026-10-20 · arXiv · Yi Qiu, David Radice, Raffaele Ferrari, Albino Perego
“Rubin 2036”研讨会：LSST 之后鲁宾天文台的社区路线图 The "Rubin 2036: Opportunities for Discovery" Workshop: A Community Roadmap for the Future of the Vera C. Rubin Observatory After the LSST
约 100 名研究者讨论鲁宾天文台 2030 年代中期完成 LSST 后的规划，其中一个方向是用鲁宾影像预训练机器学习基础模型，用于源检测、去混叠与分类。

2026-10-20 · arXiv · Andrés Alejandro Plazas Malagón, Steve Allen, Shreya Anand, Muhammad Awais
J-PLUS 第四次数据发布中用无监督机器学习识别异常光谱能量分布 J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
用自编码器异常检测和 t-SNE，从 12 波段测光数据中筛出偏离主流模式的天体，供光谱跟踪发现稀有或新型天体。

2026-10-19 · arXiv · F. Quispe-Huaynasi, F. Roig, V. Loaiza-Tacuri, V. M. Placco
ASTROLABE：基于物理流匹配的三维粒子级宇宙学模拟替代模型 ASTROLABE: A 3D Particle-Level Surrogate for Cosmology Simulation with Physical Flow Matching
直接在 N 个粒子的相空间坐标上做流匹配生成，不依赖体素网格，可高分辨率替代昂贵的暗物质 N 体模拟扫描。

2026-10-19 · arXiv · Ibrahim Elsharkawy, David Curtin, Yonatan Kahn, Neal Weiner
带校准不确定度的单次凌星参数估计 Single-Transit Parameter Estimation with Calibrated Uncertainties
针对系外行星巡天中只观测到一次凌星的事件，提出自动化参数估计方法并给出校准的不确定度。

2026-10-17 · arXiv · Helem Salinas, Rafael Brahm, Greg Olmschenk, Melinda Soares-Furtado
基于光度特征的猎鹰 9 号火箭箭体姿态估计 Attitude Estimation of Falcon 9 Rocket Body Based on Photometric Characteristics
针对太空碎片监测，提出根据光度变化估计火箭残骸姿态的方法，不依赖特定目标模型。

2026-10-17 · arXiv · Hui Li, Rong-Wang Li, Ru-Feng Tang, Yu-Qiang Li
近约 30 天来自 arXiv、bioRxiv、medRxiv、OpenAlex；要点由本站根据摘要撰写。

里程碑 9

大号发光节点是飞跃性突破： AI 飞跃冷色 · 学科飞跃暖色 · 双环 = 两者都是

2026-10-15

科学发现
NA-SODINN 深度学习重分析 VLT/SPHERE SHINE 巡天 150 颗恒星，找到 13 个此前未报告的亚恒星伴星候选（A&A）
AI：监督式深度学习在角差分成像序列中找出经典方法漏掉的弱信号，并找回全部已知伴星；学科：目前仅 Smethells 20 周围的候选值得优先跟进观测，属候选而非确认

Astronomy & Astrophysics
2026-10-14

论文
业余天文学家借助 AI 发现一颗可能隐藏的系外行星
AI 工具让非专业人员也能参与前沿搜寻

Scientific American
2026-10-08

数据集
Anthropic 用 Claude 生成首张完整紫外全天图，补全约三分之一未观测天区（经校准预测）
大模型智能体完成天文数据产品的端到端制作；预测天区不是真实观测，需谨慎使用

Anthropic厂商自述
2026-09

落地部署
NOMAI：Fink 平台实时识别超亮超新星（A&A）
实时警报代理中用 ML 识别超亮超新星

A&A待核实
2026-04-28

论文
T16 行星搜寻：TESS 第 1 周期约 1 万个新行星候选（ApJS）
约 1 万个新候选，规模远超人工搜寻

ApJS
2026-01-22

数据集
NASA ExoMiner++ 在 TESS 数据中给出约 7000 个候选
约 7000 个 TESS 候选，扩大后续观测目标池

NASA Science
2023-01-10

论文
综述：深度学习对星系巡天分析的影响（PASA Dawes Review）
系统梳理深度学习成为巡天标准工具的过程

PASA
2022-02-17

论文
ExoMiner：深度学习一次验证 301 颗 Kepler 新行星（ApJ）
NASA 用神经网络一次性统计验证 301 颗行星，确立 AI 行星验证流程

The Astrophysical Journal
2018-01-30

论文
神经网络在 Kepler 数据中发现 Kepler-90i（AJ；NASA 2017-12-14 公布）
神经网络在 Kepler 数据中找到第 8 颗行星，Kepler-90 成为与太阳系并列行星最多的系统

The Astronomical Journal

更多论文与仓库 5

类型	标题	日期
论文	SNAD: enabling discovery in the era of big data (arXiv 2608.30477) 预印本待核实	2026-08
论文	The T16 Planet Hunt: 10,000 New Planet Candidates from TESS Cycle 1 and the Confirmation of a Hot Jupiter around TIC 183374187*	2026-04-28
论文	The Dawes Review 10: The impact of deep learning for the analysis of galaxy surveys	2023-01-10
论文	ExoMiner: A Highly Accurate and Explainable Deep Learning Classifier That Validates 301 New Exoplanets	2022-02-17
论文	Identifying Exoplanets with Deep Learning: A Five-planet Resonant Chain around Kepler-80 and an Eighth Planet around Kepler-90	2018-01-30

分级理由

研究方向

论文

里程碑 9

最新新闻 3