2025年ZWO天文摄影师大赛入围名单公布，共收到来自68个国家的5,880张作品。入围作品展示了血月、极光、彗星等天文奇观，颁奖典礼定于9月11日举行。

紫东太初与国家天文台联合开发的FLARE模型，能够精准预测恒星耀发事件，提升天文学研究能力。该模型整合了恒星物理属性和历史耀发记录，显著提高了预测准确性，实验结果优于其他模型，未来有望推动宇宙探索。

Stellarium是一款开源免费的观星应用，用户可以查看星星、星座和行星，搜索特定天体并获取详细信息。它支持多种设备，提供交互式3D环境，适合所有天文爱好者。

我在七号中微子的博客上了解到双筒望远镜观星的乐趣，激发了对天文的兴趣。购买了博冠猎手二代7x50望远镜后，今天天气很好，晚上十点在楼顶观察星空，看到许多星星，感到幸福。虽然没有银河壮观，但星星的数量让我惊叹。我计划先随意观察，再用星图寻找星座。

AstroLLaMA 是一个基于 LLaMA-2 的 70 亿参数模型，专注于天文学领域，通过微调提升文本生成和嵌入提取的科学相关性。该模型旨在推动天文学研究，支持自动论文摘要和对话系统，并已发布为开源工具，以促进天文学界的互动与研究。

中国气象局发布了「人工智能气象大模型训练专题数据目录」，提供了海量气象数据的下载。HyperAI超神经还汇总了10个优质的气象灾害数据集，包括水文和环境科学数据集、气象属性数据集等。

提出了一种专门用于天文观测的无监督异常检测框架 AERO，该框架利用 Transformer 和图神经网络的结构，能够准确检测出天文观测中的异常，并较其他模型表现更好。

北冕座T恒星系统将迎来80年来的第一次新星爆发，由一颗白矮星和一颗红巨星组成的双星系统。新星爆发预计在3月至9月之间，持续一周左右。未来这个双星系统将变成两颗白矮星相互环绕，最终可能发生碰撞形成超新星。

本文提出了一种基于深度学习和图推理的图解析器PGDPNet，利用图神经网络进行几何关系分析和分类，并建立了PGDP5K数据集。实验结果显示，该模型在多个子任务上显著优于现有方法。

该研究介绍了一种新的机器学习方法，用于检测高对比度自适应光学成像数据中的微弱点源。通过深度学习和直接成像后处理算法，该方法提高了行星探测的灵敏度。研究人员使用卷积自编码神经网络训练了一个工具，能够准确重构恒星斑点噪声中潜在行星信号的位置。该工具名为ConStruct，并通过真实数据集进行了可靠性和灵敏度评估。研究结果显示，ConStruct相比传统的PCA处理方法，在30个独特的点源中具有更高的信噪比和相对对比度。该研究展示了深度学习在高对比度图像的直接成像后处理中的潜力。

该研究提出了一种利用深度学习的联合源信道编码和去噪扩散概率模型来解决噪声无线信道上的图像传输问题的新方案。该方案在重建图像的失真和感知质量方面相比其他方法有显着改进。研究者将公开源代码以促进进一步研究和可重复性。

2023年读了51本书，较去年有所减少。推荐书籍有《DK星座百科》、《生命进化的跃升》和《杀死一只知更鸟》。尽管读书速度和质量下降，但不应过于追求数量。书籍涵盖天文、生物、心理等多个领域，值得一读。

电子辅助天文学通过将数码相机与望远镜耦合捕捉深空图像，显示通过直接观察无法看到的天文对象。我们展示了图像质量评估在自动评级天文图像方面的应用，并利用自动化机器学习开发了专用模型。