我们设计并构建了一个用于监测近地小行星、超新星、短暂现象及变星的天文观测系统 ATLAS，其通过对全天空的实时监测，能够准确地及时发现变化现象并对其进行跟踪。

Feb, 2018

这篇论文采用机器学习的方法实时发现小型、高角速度的近地小行星，并研究了如何比较不同观测系统对高角速度行星的观测能力，为 Zwicky Transient Facility 的建设提供了参考。

Sep, 2016

本文提供了一种基于 Python 编写的自动化流水线原型来解决 NEAs 检测的问题，以替代人工检测的方法。

Jan, 2019

该研究论文介绍了一种使用大数据处理和分析，利用可视化分析技术进行快速人工数据验证的 NEO 检测算法，并将其集成到了自动化 MOPS 处理流水线中，以识别基于闪烁法的运动空间物体。

Jan, 2019

该研究旨在确定近地小行星的数量、轨道分布和撞击率，通过九个主要小行星勘测的联合观测结果估算出该种小行星在绝对星等为小于 17.75 时的数量为 920 左右，比其它研究得出的结果要低，而绝对星等小于 30 时的小 NEA 数量约为 4 亿个，数目较低直径为 10 米的小行星，且该种小行星的数量分布与发现的大型小行星的数量分布相符。

Apr, 2016

文章介绍了一个名为 NEARBY 的软件平台，该平台支持在星空图像中自动探测移动源（小行星），探测过程基于经典的 “眨眼” 检测法，并辅以静态和动态呈现以验证移动源。

Jan, 2019

该研究论文介绍了一种基于事件的解决方案，利用科学事件相机重建小型太阳系天体附近观测到的颗粒喷出事件，并提供了用于未来事件驱动多目标追踪的时空数据。

Sep, 2023

通过第一原理的新方法，本研究引入了紧密且快速的上下界，用于碰撞概率的估算。我们在欧空局碰撞回避挑战中使用的真实 CDM 数据集上，对概率和界限计算的原始方法和我们的方法进行了测试。我们的方法只需要计算两个一维积分，与传统方法相比，处理时间可减少 80%，接近实时。

Nov, 2023

该研究报告介绍了使用机器学习进行天文学突发事件的实时分析和响应的方法，以及将来可能的发展，以应对数据集增长的挑战。

Jul, 2014

使用大数据和机器学习算法，通过融合世界各地多个地面站收集到的关于太阳测量不同方面的大数据，并使用具有特征选择和降采样功能的随机森林回归方法来对次要地磁风暴实例进行预测，我们能够在提前三小时进行早期预测时，在 2021 年收集的数据上实现 82.55% 的准确率。考虑到重要的预测特征，例如历史的 Kp 指数每隔 3 小时测量一次，并且随着提前时间的增加，它们的重要性迅速衰减，预测提前 3 小时被认为接近实际限制。

Jan, 2024