The EPS Research Astro-RAG Platform: A Unified Open-Science Infrastructure for Cross-Epoch Astrophysical Kinematic Analysis, LLM-Assisted Research Workflows, and Educational Outreach

技术摘要：EPS 研究 Astro-RAG 平台

问题陈述
本文指出，现代天体物理学面临一个关键的瓶颈：虽然大规模巡天（如 SPARC、THINGS、LITTLE THINGS、WALLABY、ALPINE）已经产生了跨越极广阔的星系质量和宇宙时期范围的丰富运动学数据集，但这些数据仍以异构格式分散存在于数十篇来源论文中。这种碎片化阻碍了系统性的跨巡天和跨时期分析。此外，大语言模型（LLMs）和检索增强生成（RAG）流水线的兴起引入了一个新要求：数据集不仅必须是机器可读的，还必须是“自描述”的（具有嵌入式单位和元数据的结构化数据），以便 LLM 能够在无需外部预处理的情况下摄取并对数据进行推理。标准的 FITS 表格和特定巡天的 ASCII 格式无法满足这一标准。

方法论与平台架构
为了应对这些挑战，作者提出了 EPS 研究 Astro-RAG 平台 (v1.0)，这是一个统一的开放科学基础设施，旨在连接原始数据、科学分析和 AI 辅助工作流。该平台分为五个功能“孤岛”：

1. z = 0 数据： 本地宇宙语料库（HI 星系、矮星系、球状星团）。
2. z ∼6 数据： 高红移运动学数据。
3. 示例库： 120 个经过验证的 Jupyter Notebooks。
4. 论文与预印本： 出版物元数据。
5. LLMs 与工具： 计划中的微调模型适配器。

核心方法是将四个不同的语料库在**统一模式（common schema）**下进行分发，并提供四种格式：层级化 JSON（自描述）、扁平化 CSV（用于 pandas/R）、JSONL（针对 LLM RAG 流式传输优化）以及单对象 ZIP 文件。质量等级被明确定义（Tier 1 用于完整的运动学数据，Tier 2 仅用于集成参数或分类）。

主要贡献
该平台发布了包含总计 772 个对象的四个特定语料库：

1. 统一 HI 旋转曲线语料库 v7.0： 包含来自 SPARC、THINGS、LITTLE THINGS 和 WALLABY DR2 的 438 条空间解析旋转曲线。它保留了 SPARC 数据库的全保真度，包括所有光度分解分量（$V_{gas}$、$V_{disk}$、$V_{bul}$）和表面亮度剖面，并增加了来自其他巡天的数据。
2. 矮星/不规则星 HI 语料库 v1.0： 包含来自 LVHIS、VLA-ANGST、LITTLE THINGS 和 WALLABY 的 129 个低质量、暗物质主导的星系。
3. 银河系球状星团语料库 v1.3.1： 包含从 Harris 目录、Gaia EDR3 自行运动、HST 结构参数和 N 体动力学模型中协调统一的 174 个星团。
4. 高红移运动学语料库 Z1： 包含来自 ALPINE 巡天的 31 个 $z = 4.26–5.68$ 的恒星形成星系，其中包括 8 个确认的 3DBarolo 旋转器。

该平台还包括一个高中探索轨道（20 个 Notebooks），旨在让 12-18 岁的学生在没有先验领域知识的情况下也能接触到这些真实的已发表数据集，并提供了一条 QuickStart 通路，允许用户在不到 10 分钟内复现核心结果。

科学结果
跨这些语料库的统一科学贡献在于应用了 omega 运动学修正（Flynn & Cannaliato 2025）。该方法引入了一个边界点角速度参数 ($\omega$)，该参数源自旋转曲线的最内层和最外层解析环。

• 本地宇宙 ($z=0$)： 应用于 84 个 SPARC quality-1 星系，该修正得到的平均 $\omega = +7.06 \pm 3.26$ rad Gyr$^{-1}$。矮星/不规则星语料库得到的 $\omega$ 中位数为 $+9.94$ rad Gyr$^{-1}$。
• 高红移 ($z \sim 5$)： 应用于 Z1 语料库中的 8 个确认旋转器（使用 ALMA [CII] 3DBarolo 模型），该参数得到的 $\omega$ 中位数为 $-13.05$ rad Gyr$^{-1}$。
• 符号反转： 该平台展示了在约 90 亿年宇宙演化过程中发生的 $\sim 20$ rad Gyr$^{-1}$ 的稳健符号反转，即 $z=0$ 时为正值，而 $z \sim 5$ 时为负值。

意义与声明
论文声称该平台提供了第一个统一的运动学数据集，将 HI 21cm 旋转曲线、银河系球状星团动力学和高红移 ALMA [CII] 形貌-运动学连接在统一的模式之下。

• 可复现性： 作者强调，所有 120 个 Jupyter Notebooks 都经过验证，可以在实际的 Zenodo 语料库文件上无误执行（120/120 通过率），确保了有效的数据访问模式。
• 教育获取： 通过提供一个直接从研究人员使用的相同 Zenodo 文件加载的“高中探索轨道”，该平台声称实现了对真实天体物理数据的民主化访问，消除了对专用软件或望远镜档案账户的需求。
• 未来路线图： $\omega$ 的符号反转被视为未来 RAMSES 宇宙学模拟（计划于 2026–2027 年进行）追踪这种结构转变的动力。此外，该平台还概述了“第二阶段”计划，即部署一个由四层微调 LLM 组成的团队（参数规模从 ~7B 到 ~72B 不等），专门用于 RAG 流水线，包括一个能够直接从图中提取运动学值的视觉能力模型。

作者表示，该平台根据 CC BY 4.0 协议发布，并带有永久 DOI，以确保开放获取和长期存档稳定性。