天体物理学深度学习：NASA宇宙起源AI/ML科技兴趣小组的开放教科书
天体物理仪器与方法
2026-06-29 v1
摘要
天文学界利用现代机器学习的能力决定了即将到来的设施的科学回报。最近的社区评估将教育列为主要障碍，因为限制采用的是对这些方法理解的不均衡，而非其可用性。NASA宇宙起源人工智能与机器学习科技兴趣小组(AI/ML STIG)的成立旨在通过短小精悍的领域特定教程和社区讨论来弥补这一差距。我们推出《天体物理学深度学习》，这是一本免费提供的教科书，网址为https://deeplearning4astro.com，由该小组的系列讲座整理而成。它汇集了来自17位讲师的六个部分共23章，内容涵盖从计算基础和深度学习架构，到生成建模、基于模拟的推断和强化学习，再到大型语言模型智能体，最后以AI驱动科学的实践作为结尾。许多章节包含可执行的笔记本。我们还概述了该小组来年的计划，重点是智能体研究和NASA的ASTRA任务概念计划。
引用
@article{arxiv.2606.30855,
title = {Deep Learning for Astrophysics: An Open Textbook from the NASA Cosmic Origins AI/ML Science and Technology Interest Group},
author = {Yuan-Sen Ting and Digvijay Wadekar and Phill Cargile and Carol Cuesta-Lazaro and André Curtis-Trudel and Gregory Green and Ryan McClelland and Daniel Muthukrishna and Tri Nguyen and Helen Qu and Tomasz Rozanski and Anna Scaife and Jesse Thaler and Licia Verde and Francisco Villaescusa-Navarro and John F. Wu and Duo Xu and Siyu Yao and Alex Gagliano and Siddharth Mishra-Sharma and Andrew K. Saydjari and Georgios Valogiannis and Peter Kurczynski and Swara Ravindranath},
journal= {arXiv preprint arXiv:2606.30855},
year = {2026}
}
备注
4 pages, 1 figure; Submitted to Research Notes of the AAS (RNAAS)