Copertina

What Understanding Means in AI-Laden Astronomy

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ting, Yuan-Sen, Curtis-Trudel, André, Yao, Siyu
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Instrumentation and Methods for Astrophysics Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Statistical Machine Learning for Astronomy -- A Textbook
di: Ting, Yuan-Sen
Pubblicazione: (2025)

What is the Role of Large Language Models in the Evolution of Astronomy Research?
di: Fouesneau, Morgan, et al.
Pubblicazione: (2024)

AI Agents for Ground-Based Gamma Astronomy
di: Kostunin, D., et al.
Pubblicazione: (2025)

SpecCLIP: Aligning and Translating Spectroscopic Measurements for Stars
di: Zhao, Xiaosheng, et al.
Pubblicazione: (2025)

AstroMLab 4: Benchmark-Topping Performance in Astronomy Q&A with a 70B-Parameter Domain-Specialized Reasoning Model
di: de Haan, Tijmen, et al.
Pubblicazione: (2025)

Large Language Models Achieve Gold Medal Performance at the International Olympiad on Astronomy & Astrophysics (IOAA)
di: Pinheiro, Lucas Carrit Delgado, et al.
Pubblicazione: (2025)

Galaxy image simplification using Generative AI
di: Erukude, Sai Teja, et al.
Pubblicazione: (2025)

Why Machine Learning Models Systematically Underestimate Extreme Values II: How to Fix It with LatentNN
di: Ting, Yuan-Sen
Pubblicazione: (2025)

Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration
di: LSST Dark Energy Science Collaboration, et al.
Pubblicazione: (2026)

Radio Astronomy in the Era of Vision-Language Models: Prompt Sensitivity and Adaptation
di: Drozdova, Mariia, et al.
Pubblicazione: (2025)

Augmenting representations with scientific papers
di: Vago, Nicolò Oreste Pinciroli, et al.
Pubblicazione: (2026)

Quantifying the Reconstructability of Astrophysical Methods with Large Language Models and Information Theory: A Case Study in Spectral Reconstruction
di: Lin, Hsing Wen, et al.
Pubblicazione: (2026)

Fisher-Bingham-like normalizing flows on the sphere
di: Glüsenkamp, Thorsten
Pubblicazione: (2025)

ASTROCO: Self-Supervised Conformer-Style Transformers for Light-Curve Embeddings
di: Tan, Antony, et al.
Pubblicazione: (2025)

Universal Spectral Tokenization via Self-Supervised Panchromatic Representation Learning
di: Shen, Jeff, et al.
Pubblicazione: (2025)

Intrinsic Dimension Estimation for Radio Galaxy Zoo using Diffusion Models
di: Roset, Joan Font-Quer, et al.
Pubblicazione: (2025)

Physics-Informed Neural Networks for Satellite State Estimation
di: Varey, Jacob, et al.
Pubblicazione: (2024)

Extracting latent representations from X-ray spectra. Classification, regression, and accretion signatures of Chandra sources
di: Vago, Nicolò Oreste Pinciroli, et al.
Pubblicazione: (2025)

AstroCLIP: A Cross-Modal Foundation Model for Galaxies
di: Parker, Liam, et al.
Pubblicazione: (2023)

Astromer 2
di: Donoso-Oliva, Cristobal, et al.
Pubblicazione: (2025)

Reinforcement learning
di: Yatawatta, Sarod
Pubblicazione: (2024)

Scaling Laws for Emulation of Stellar Spectra
di: Różański, Tomasz, et al.
Pubblicazione: (2025)

AstroMMBench: A Benchmark for Evaluating Multimodal Large Language Models Capabilities in Astronomy
di: Shi, Jinghang, et al.
Pubblicazione: (2025)

AI-assisted Advanced Propellant Development for Electric Propulsion
di: Du, Angel Pan, et al.
Pubblicazione: (2025)

AstroPT: Scaling Large Observation Models for Astronomy
di: Smith, Michael J., et al.
Pubblicazione: (2024)

Solving Online Resource-Constrained Scheduling for Follow-Up Observation in Astronomy: a Reinforcement Learning Approach
di: Zhang, Yajie, et al.
Pubblicazione: (2025)

Self-supervised Synthetic Pretraining for Inference of Stellar Mass Embedded in Dense Gas
di: Hirashima, Keiya, et al.
Pubblicazione: (2025)

Machine Learning in Gamma Astronomy
di: Kryukov, A. P., et al.
Pubblicazione: (2025)

AstroMLab 1: Who Wins Astronomy Jeopardy!?
di: Ting, Yuan-Sen, et al.
Pubblicazione: (2024)

Exoplanet Detection Using Machine Learning Models Trained on Synthetic Light Curves
di: Lo, Ethan, et al.
Pubblicazione: (2025)

Causal Foundation Models: Disentangling Physics from Instrument Properties
di: Audenaert, Jeroen, et al.
Pubblicazione: (2025)

Identification and Localization of Cometary Activity in Solar System Objects with Machine Learning
di: Bolin, Bryce T., et al.
Pubblicazione: (2024)

The Palomar twilight survey of 'Ayló'chaxnim, Atiras, and comets
di: Bolin, B. T., et al.
Pubblicazione: (2024)

Distinguishing a planetary transit from false positives: a Transformer-based classification for planetary transit signals
di: Salinas, Helem, et al.
Pubblicazione: (2023)

Deep learning insights into cosmological structure formation
di: Lucie-Smith, Luisa, et al.
Pubblicazione: (2020)

A transformer-based generative model for planetary systems
di: Alibert, Yann, et al.
Pubblicazione: (2025)

A multi-model approach using XAI and anomaly detection to predict asteroid hazards
di: Mondal, Amit Kumar, et al.
Pubblicazione: (2025)

Science Autonomy using Machine Learning for Astrobiology
di: Da Poian, Victoria, et al.
Pubblicazione: (2025)

EclipseNETs: Learning Irregular Small Celestial Body Silhouettes
di: Acciarini, Giacomo, et al.
Pubblicazione: (2025)

Enhanced Predictive Modeling for Hazardous Near-Earth Object Detection: A Comparative Analysis of Advanced Resampling Strategies and Machine Learning Algorithms in Planetary Risk Assessment
di: Chandra, Sunkalp
Pubblicazione: (2025)