基于机器学习识别由合并驱动的长型伽马射线暴

伽马射线暴（GRBs）分为源自致密二进制合并的 I 型暴与源自大质量 collapsing star 的 II 型暴。虽然 I 型暴通常持续时间不足 2 秒，但最近观测表明部分可延长至数十秒，形成潜在的子类——I 型 L 型暴。然而，除与类单子星的关联外，迄今为止尚无快速识别方法。鉴于光学和红外后glow 观测的不确定性与局限，仅基于初始发射的识别方法可为更多 GRB 提供可能。有趣的是，两个已确认的 I 型 L 型暴：GRB 211211A 与 GRB 230307A，均显示出三段结构：前导暴 emission（PE）、主暴 emission（ME）以及延长 emission。因此，我们全面搜索 Fermi/GBM 目录中的 GRB，并识别出 29 例三段结构 GRB。基于 12 个参数，我们利用机器学习方法区分 I 型 L 型暴与 II 型暴。除 GRB 211211A 与 GRB 230307A 外，还成功识别出六个此前未知的 I 型 L 型暴：GRB 090831、GRB 170228A、GRB 180605A、GRB 200311A、GRB 200914A 与 GRB 211019A。我们发现 I 型 L 型暴以其持续时间短、前导暴（PE）的最小变异时间短、PE 与 ME 之间等待时间短，以及主暴（ME）遵循 $E_{\rm p,z}$--$E_{\rm iso}$ 相关性等特征鉴别。首次我们在确认的 I 型 L 型暴 GRB 060614 中识别出显著的 PE。