26 czerwca 2023 r. odbyło się Specjalne Colloquium, na którym wręczone zostały nagrody za najlepsze prace badawcze i działalność popularyzatorską w roku 2022. Laureatami zostali dr hab. Michał Bluj, zespół w składzie dr hab. Paweł Ziń i dr Maciej Pylak, dr Michael Romano oraz prof. dr hab. Jerzy Kowalski-Glikman i dr Miguel Figueira.

Pył międzygwiazdowy jest kluczowym składnikiem galaktyk: sprzyja powstawaniu gwiazd i napędza procesy chemiczne i fizyczne. Jednak równocześnie ukrywa on większość nowo narodzonych gwiazd w taki sposób, że ich bezpośrednia obserwacja jest niemożliwa. Dlatego astrofizycy wykorzystują prawa tłumienia pyłu i inżynierię wsteczną, by ustalić jak aktywna gwiazdotwórczo jest dana galaktyka. Praca na ten temat ukazała się w czasopismie Astronomy & Astrophysics.

Została rozstrzygnięta I edycja konkursu w ramach programu „Perły Nauki”. Jednym z naukowców zakwalifikowanych do programu jest mgr Krzysztof Lisiecki, doktorant Zakładu Astrofizyki NCBJ, prowadzący badania w projekcie „W poszukiwaniu świadków wczesnego Wszechświata – badanie właściwości czerwonych nuggetów”.

Dwadzieścia tysięcy wysokiej jakości zdjęć z przeglądu nieba Hawaii Two-0 (H20)/Cosmic Dawn zostało udostępnionych publicznie w najpopularniejszym projekcie nauki obywatelskiej Galaktyczne Zoo. W ramach tego projektu, każdy chętny może zostać naukowcem i pomóc astronomom w klasyfikacji zdjęć z teleskopu Subaru.

Fotony przemierzają Wszechświat z niezmienną prędkością. Tylko czy zawsze wszystkie z tą samą? Aby sprawdzić, czy potencjalne efekty kwantowej grawitacji nie wpływają na prędkości fotonów o bardzo dużych energiach, polsko-chiński zespół naukowców zaprzągł do pracy dwa spektakularne zjawiska kosmiczne: soczewki grawitacyjne i wybuchy promieniowania gamma.

Obrazy odległych galaktyk, zniekształcone przez silne soczewki grawitacyjne, to wizualnie najbardziej nieszablonowe zjawiska fotografowane przez teleskopy. Ich automatyczna detekcja z wielu względów jest trudna. Podczas międzynarodowych warsztatów w Warszawie, dedykowanych uczeniu maszynowemu, naukowcy NCBJ zademonstrowali modele teoretyczne i oprogramowanie, które z wysoką skutecznością i wiarygodnością radzą sobie z tym zadaniem.