促成快速暂现源的探测：Fink broker 中的千新星科学模块
天体物理仪器与方法
2023-10-06 v2 宇宙学与河外天体物理
摘要
我们描述了当前在 Fink broker 中实现的千新星(KN)科学模块核心的快速暂现源分类算法，并基于模拟星表和来自 ZTF 警报流的真实数据报告了分类结果。我们使用无噪声、均匀采样的模拟来构建主成分(PCs)的基。来自更真实的 ZTF 模拟的所有光变曲线均被写为该基的线性组合。相应的系数被用作训练随机森林分类器的特征。相同的方法被应用于长(>30天)和中等(<30天)光变曲线。后者旨在模拟 ZTF 警报流中的数据情形。基于长光变曲线的分类达到了 73.87% 的准确率和 82.19% 的召回率。中等基线分析得到了 69.30% 的准确率和 69.74% 的召回率，从而证实了在仅限 30 天观测时准确率结果的稳健性。在这两种情况下，矮星耀发和点型 Ia 超新星是最频繁的污染源。最终训练好的模型被集成到 Fink broker 中，并一直向天文界分发标记为 KN_candidates 的快速暂现源，特别是通过 GRANDMA 合作。我们表明，专门设计用于捕捉不同光变曲线行为的特征提供了足够的信息，以将快速(类 KN)与缓慢(非 KN 类)演化事件分开。该模块代表了由 Fink broker 团队当前为多信使天文学建立的一套复杂基础设施链条中的一个关键环节，以为 Vera Rubin 天文台时空遗产巡天数据的到来做准备。
引用
@article{arxiv.2210.17433,
title = {Enabling the discovery of fast transients: A kilonova science module for the Fink broker},
author = {B. Biswas and E. E. O. Ishida and J. Peloton and A. Moller and M. V. Pruzhinskaya and R. S. de Souza and D. Muthukrishna},
journal= {arXiv preprint arXiv:2210.17433},
year = {2023}
}
备注
8 Pages, 12 Figures, submitted to Astronomy and Astrophysics