CHIME快速射电暴的机器学习分类——I. 监督方法
高能天体物理现象
2022-11-30 v2
摘要
在观测上，神秘的快速射电暴（FRBs）被分类为重复型和表观非重复型。虽然重复FRBs不能被归入非重复组，但尚不清楚表观非重复FRBs究竟是重复活动尚未被发现的重复FRBs，还是它们与重复型在物理上属于不同类型。在一个由两篇论文组成的系列中，我们试图用机器学习方法解开这一谜团。在第一篇论文中，我们聚焦于一系列监督机器学习方法。我们用CHIME/FRB第一批目录中一部分观测到的FRBs训练机器学习算法，告知它们哪些表观非重复、哪些重复。然后让训练好的模型用观测参数预测其余FRB数据的重复性，并将预测与观测到的重复性进行比较。我们发现模型能正确预测大多数FRBs，暗示重复与非重复FRBs背后存在不同机制。我们还发现区分非重复与重复FRBs的两个最重要因素是亮温度与静止系频率带宽。通过将训练好的模型应用于整个CHIME第一批目录，我们进一步识别了一些当前被报告为非重复的潜在重复FRBs。我们推荐将这些暴列为目标，供未来观测活动结合论文II中使用无监督机器学习方法的结果搜寻重复暴。
引用
@article{arxiv.2210.02463,
title = {Machine learning classification of CHIME fast radio bursts -- I. Supervised methods},
author = {Jia-Wei Luo and Jia-Ming Zhu-Ge and Bing Zhang},
journal= {arXiv preprint arXiv:2210.02463},
year = {2022}
}
备注
14 pages, 5 figures, 4 tables, published on MNRAS. Updated to match the published version