通过机器学习寻找脱落轴子信号：脉冲星色散测量中的隐藏信号探测
高能天体物理现象
2025-10-29 v5
摘要
在轴子模型中，轴子与电磁波之间的相互作用会引起由轴子质量和衰变常数决定的频率相关时间延迟。这些微小的延迟难以检测，限制了传统方法的有效性。我们在真实的射电望远镜条件下计算了此类延迟，并识别出一种在轴子质量的一半处出现的显著色散特征，该特征在观测分辨率的限制范围内表现为非发散。基于此，我们开发了一种实现90%分类准确率的机器学习方法，在低信噪比条件下表现良好。该方法通过对模拟噪声数据和真实世界的已知空白观测，验证了其对假阳性的鲁棒性。未来，随着钟面精度和望远镜带宽的提升，特别是借助如七太射电望远镜等仪器，可能在 eV 质量范围内将轴子衰变常数的约束提升最高可达四个数量级。
引用
@article{arxiv.2505.16562,
title = {Hunting Hidden Axion Signals in Pulsar Dispersion Measurements with Machine Learning},
author = {Haihao Shi and Zhenyang Huang and Qiyu Yan and Jun Li and Guoliang Lü and Xuefei Chen},
journal= {arXiv preprint arXiv:2505.16562},
year = {2025}
}
备注
15 pages, 7 figures, This is the version accepted by APJ