基于机器学习的引力微透镜γ射线暴识别
高能天体物理现象
2025-10-20 v2
摘要
引力微透镜γ射线暴 (GRBs) 提供了探测紧凑暗物质及宇宙小尺度结构的独特机会。然而，在大规模数据集中识别此类微透镜GRBs是一大挑战。本研究开发了基于机器学习 (ML) 的方法，通过利用仿真光度曲线区分微透镜GRBs与非微透镜GRBs。构建了包含两类标记光度曲线的全面数据集。采用Cesium软件包提取特征，捕获光度曲线的关键时序特性。训练多种ML模型，随机森林模型性能最佳，分别在非微透镜类和微透镜类上达到86%的准确率和0.86 (0.87) 的F1分数。该方法成功证明了机器学习在GRBs引力透镜识别中的潜力，为未来的观测应用铺平了道路。
引用
@article{arxiv.2504.19958,
title = {Machine Learning Identification of Gravitationally Microlensed Gamma-Ray Bursts},
author = {Mohammad H. Zhoolideh Haghighi and Zeinab Kalantari and Sohrab Rahvar and Alaa Ibrahim},
journal= {arXiv preprint arXiv:2504.19958},
year = {2025}
}
备注
Published at The Astrophysical Journal