利用机器学习探索重复快速射电暴的关键特征
高能天体物理现象
2025-02-14 v3 天体物理仪器与方法
广义相对论与量子宇宙学
高能物理 - 唯象学
摘要
快速射电暴（FRBs）是起源未知的神秘高能事件，在观测上被分为两类，即重复暴和非重复暴。然而，由于有限的灵敏度和观测周期，可能有许多非重复暴被错误分类，因为重复暴被遗漏了，从而误导了对其物理性质的研究。在这项工作中，我们提出了一种基于t分布随机邻域嵌入（t-SNE）算法的重复暴识别方法，并将其应用于第一个加拿大氢强度测绘实验快速射电暴（CHIME/FRB）目录。我们发现，频谱形态参数，特别是频谱游走（），代表了从非重复暴中识别重复暴的关键特征。此外，结果表明重复暴更倾向于窄带发射，而非重复暴则倾向于宽带发射。我们提供了一个包含163个重复暴候选体的列表，其中5个已通过CHIME/FRB更新的重复暴目录得到确认。我们的发现加深了我们对重复暴和非重复暴背后各种特性的理解，并为未来FRB的探测和分类提供了指导。
引用
@article{arxiv.2409.11173,
title = {Exploring the Key Features of Repeating Fast Radio Bursts with Machine Learning},
author = {Wan-Peng Sun and Ji-Guo Zhang and Yichao Li and Wan-Ting Hou and Fu-Wen Zhang and Jing-Fei Zhang and Xin Zhang},
journal= {arXiv preprint arXiv:2409.11173},
year = {2025}
}
备注
19 pages, 10 figures