小行星2024 YR4撞击地球的概率已降至0.004%，不再构成威胁。但NASA指出，它仍有1.7%的可能性撞击月球，可能影响潮汐和生物。天体物理学家将继续跟踪观察，以计算更精确的轨道。

本研究提出了一种结合机器学习、深度学习、可解释人工智能和异常检测的多模型方法，以提高对潜在危险小行星的预测准确性，增强行星防御能力，并能实时通知全球监测站。

小行星2024 YR4撞击地球的概率已从1.3%上升至2.2%，天文学家正在密切监测。预计可能在2032年12月22日发生撞击，目前危险等级为都灵3级，随着数据更新，危险等级可能会降低。

本文介绍了一种基于深度学习的神经网络方法，能够在恒星变化下精确测量小行星的径向速度。研究表明，多行CNN有效降低了恒星RV抖动，实现了高精度探测。

本研究开发了NEOviz互动可视化系统，解决了小行星轨迹的不确定性，增强了专家对小行星影响风险的分析能力，有助于更好地理解和预测小行星对地球的潜在威胁。

通过thermoNET神经网络架构，我们能够以较少的计算量有效表示卫星轨道中的热层密度，实现高效训练和准确预测。

本研究提出了一种创新方法，结合机器学习与天体动力学，解决低推力轨迹与冲击转移之间的差距，并通过整数线性规划优化采矿轨迹选择。

国家航天局今天（9月24日）宣布，在完成嫦娥六号任务后，中国探月工程还将通过2次发射任务，为国际月球科研站打基础，最快将在2026年执行第一次发射任务。除了探月工程相关任务稳步推进，我国深空探测的多项计划也在同步开展。据介绍，天问二号计划明年发射，将完成小行星采样返回任务。（央视新闻）

本文介绍了一种基于深度学习的方法来测量小行星的径向速度，通过降低恒星的谱线抖动。作者设计了多种神经网络体系结构，并发现多行CNN能够实现较高的恢复精度。这种方法有望实现对小行星径向速度的精确探测。

AccEPT是一种用于加速边缘协同流水线-并行训练的方案，包括自适应延迟预测器和高效的数据压缩方案。实验结果显示，该方法能够将边缘流水线并行训练的速度提高至原来的3倍。

通过比较分析法和机器学习方法，本研究建立了一个数据集，其中包含了大约三百万种不同时间和燃料优化控制问题的传输方式，对于长传输，机器学习方法显示出更好的性能，这对于在小行星带中的任务机会的有效探索具有重要意义。