构建有影响力的天文学机器学习研究：研究者与审稿人最佳实践
天体物理仪器与方法
2023-10-20 v1 机器学习
摘要
机器学习已迅速成为天文学界的首选工具。它被应用于从暂现源分类到宇宙学模拟的神经网络仿真器等一系列广泛的波段与问题中，并正在改变我们生成与报告科学结果的范式。与此同时，这类方法自身带来一组最佳实践、挑战与缺陷，而目前天体物理论文中往往对其报道不完整。本文旨在向天文学界（包括作者、审稿人与编辑）提供一份入门指南，说明如何实施机器学习模型并报告其结果，以确保结果的准确性、发现的可复现性以及方法的有用性。
引用
@article{arxiv.2310.12528,
title = {Constructing Impactful Machine Learning Research for Astronomy: Best Practices for Researchers and Reviewers},
author = {D. Huppenkothen and M. Ntampaka and M. Ho and M. Fouesneau and B. Nord and J. E. G. Peek and M. Walmsley and J. F. Wu and C. Avestruz and T. Buck and M. Brescia and D. P. Finkbeiner and A. D. Goulding and T. Kacprzak and P. Melchior and M. Pasquato and N. Ramachandra and Y. -S. Ting and G. van de Ven and S. Villar and V. A. Villar and E. Zinger},
journal= {arXiv preprint arXiv:2310.12528},
year = {2023}
}
备注
14 pages, 3 figures; submitted to the Bulletin of the American Astronomical Society