直接初始轨道确定
利用混合密度网络（MDN）和机器学习建立了ExoMDN模型，可以在1秒内处理获得行星每个层次的质量分数和厚度的完整后验分布，对小于25个地球质量的合成行星进行训练，并用于表征22个已确认的系外行星，包括GJ 1214 b，GJ 486 b和TRAPPIST-1行星等。模型可以方便地处理观察误差，并展示如何将流体Love数k2作为额外的（潜在的）观察量来减少内部结构的退化。利用ExoMDN的快速预测，测量约10%的k2精度可以约束地球类似体的核和地幔的厚度约为真实值的13％。
Jun, 2023
本文提出了一种利用太阳系中天体的图像进行总空间摄像机标定的方法，该方法组合了拍摄到的椭球和与目标相对状态的信息，可从单个图像完成标定，其算法在卫星拍摄的土卫六照片中被应用，可以将聚焦距离和主点的标准偏差分别降至0.5毫米和3.1像素。
Jul, 2023
通过使用深度学习方法，我们建立、训练和测试了一种机器学习流程，可以提高在Euclid图像中检测小行星痕迹的能力，大大增加了检测到的小行星数量。
Oct, 2023
通过基于SINDy的方法，该研究发现了描述卫星运动的偏微分方程，对包括轨道倾角、偏心率和高度在内的多个代表性轨道模式进行训练与测试，取得了很高的准确性，为描述卫星在轨运动提供了具有物理解释性、准确性和复杂性的模型。
Nov, 2023
该研究提出将立体光度测量技术(SPC)与基于关键点的动态三维重建(SfM)系统相结合，通过利用深度学习的自主关键点检测和匹配方法，估计探测到的地标上的表面法线和反照率，以提高对小型天体的自主表面和形状表征。
Dec, 2023
基于卫星和太空物体的初始轨道确定问题，研究比较了Kalman滤波器和加权最小二乘的方法，导出了物体的状态和误差协方差矩阵，结果表明加权最小二乘方法在状态估计和不确定性方面比三边测量法更准确。
Dec, 2023
通过利用小型业余望远镜捕获的视频数据，该研究提出了一个用于低地球轨道卫星的三维重建框架。该框架包括深度学习的图像恢复、特征点提取和相机姿态初始化的预处理流程，以及改进的三维高斯光滑算法应用于重构三维模型，通过支持训练和姿态估计产生精细的三维点云。通过合成数据集和中国空间站的实际观测验证，该方法在从地面观测中重建三维空间目标方面具有显著优势。
Apr, 2024
利用Python和关键库，重点研究和实施了Eclipse Mapping方法，对Scipy的最小化函数进行了详细研究。应用多种优化技术解决了带有卡方约束的最大熵方程，用于研究光度曲线并揭示了KIC 201325107灾变变星的高斯结构。对代码结构进行了关键分析，找出可能存在的故障和设计问题。此外，分析了影响计算时间和图像质量的几个因素，包括高斯加权的方差、圆盘图像分辨率、光度曲线中的数据点数量和约束程度。
May, 2024