用于识别大型天文调查中变量性与瞬变现象的新指标

大型天空调查（如 Vera C. Rubin Observatory 和 Square Kilometre Array 前身）的关键科学目标是识别变量性和瞬变天体。一种方法是对变化亮度的时间序列（即光曲线）进行统计分析。然而，由于观测稀疏、规则抽样以及其他固有天文数据收集的杂项因素，找到合适的光曲线统计表示是具有挑战性的。大规模调查将观察到多样化的天体，这也意味着对光曲线形状作出参数化假设是有问题的。我们提出了一种高斯过程 (GP) 回归方法，用于描述光曲线的变动性，该方法解决了上述挑战。该方法对光曲线形状不作任何假设，因而足够通用，以检测范围广泛的变量天体类型。特别是，我们提议使用GP�幅超参数的联合分布来区分变量性和瞬变候选对象与名义上稳定的天体，并将其应用于来自 ThunderKAT 调查的6394条射电光曲线。我们将结果与射电天文学中常用的两种变动性指标（即 $\eta_\nu$ 和 $V_\nu$）进行比较，表明该方法在判别力和可解释性方面均优于现有方法。最后，我们在ThunderKAT数据集上进行了对瞬变天体的粗略搜索，以演示该方法可作为初始筛选工具。Python和R中的计算笔记本可帮助将此框架部署到其他调查中。