快速射电暴121102脉冲探测与周期性分析：一种机器学习方法
高能天体物理现象
2018-10-31 v1 天体物理仪器与方法
摘要
我们报告在绿岸望远镜的突破聆听C波段（4-8 GHz）观测中，从重复快速射电暴FRB 121102探测到72个新脉冲。这些新脉冲是利用卷积神经网络在2017年8月26日所采数据中发现的，而此前在该数据中已探测到21个爆发。我们的技术将神经网络探测与去色散验证相结合。针对当前应用，我们展示了其相较于传统暴力去色散算法在更高灵敏度、更低误报率以及更快计算速度方面的优势。连同此前报道的21个脉冲，本次观测标志着单次观测中FRB 121102脉冲数最高，五小时内总计93个脉冲，其中前30分钟内包含45个脉冲。数据点数量揭示了脉冲 fluency、脉冲探测率以及脉冲频率结构的趋势。我们引入一种基于Rayleigh检验的新周期性搜索技术来分析到达时间，并以此为据以99%的置信度排除了周期大于模型依赖时间戳不确定度5.1倍的到达时间周期性。特别地，我们排除了重心到达时间中大于10 ms的恒定周期，尽管发射时间中的内禀周期性仍有可能。
引用
@article{arxiv.1809.03043,
title = {Fast Radio Burst 121102 Pulse Detection and Periodicity: A Machine Learning Approach},
author = {Yunfan Gerry Zhang and Vishal Gajjar and Griffin Foster and Andrew Siemion and James Cordes and Casey Law and Yu Wang},
journal= {arXiv preprint arXiv:1809.03043},
year = {2018}
}
备注
32 pages, 10 figures