Rubin 和 ZTF 低延迟 Kilonova 光曲线预测
高能天体物理现象
2025-07-17 v1
摘要
通过宽域测绘跟踪引力波事件是发现引力波源（如 Kilonova）电磁对应物的关键工具。机器学习工具在协助搜索方面发挥重要作用。我们开发了一个公共工具，用于预测基于来自第 4（O4）和第 5（O5）观测期间国际引力波网络模拟的低延迟警报数据的 Kilonova 光曲线。它使用双向长短期记忆（LSTM）模型，从 Zwicky 瞬变设施（ZTF）和 Rubin 观察优势计划（LST）滤波器中预测二体中子星和中子星-黑洞合并的 Kilonova 光曲线。该模型在 ZTF 滤波器上实现测试均方误差（MSE）为 0.19，Rubin 滤波器上为 0.22，计算方式为在测试集的所有时间步、滤波器和光曲线上对平方误差进行平均。我们验证了该模型在 O4a 和 O4b 期间由 ZTF 合作伙伴跟踪的合并事件的性能。我们还分析了通过引入天区图和对物理特征（如 ejecta 质量）的约束，通过混合卷积神经网络和 LSTM 模型的效果。使用 ejecta 质量，模型性能提升至 MSE 为 0.1。然而，使用完整天区图信息则略微降低了模型性能。我们的模型已公开，可帮助为当前和下一代公共测绘发现的候选事件制定跟踪计划提供重要信息。
引用
@article{arxiv.2507.11785,
title = {Low-latency Forecasts of Kilonova Light Curves for Rubin and ZTF},
author = {Natalya Plestkova and Niharika Sravan and R. Weizmann Kiendrebeogo and Michael W. Coughlin and Derek Davis and Andrew Toivonen and Theophile Jegou du Laz and Tomás Ahumada and Tyler Barna and George Helou and Roger Smith and Ben Rusholme and Russ R. Laher and Ashish A. Mahabal},
journal= {arXiv preprint arXiv:2507.11785},
year = {2025}
}