一种用于探测和定位 AGILE/GRID 天图中伽马射线暴的深度学习新方法初步结果
高能天体物理现象
2023-02-22 v1 天体物理仪器与方法
摘要
AGILE 是 ASI 于2007年发射的空间任务，用于研究从 keV 到 GeV 能量范围内的 X 射线和伽马射线现象。AGILE 团队开发了实时分析流水线，用于快速探测暂现源，并跟进通过诸如 General Coordinates Network 等网络接收到的外部科学警报。我们开发了一种新的深度学习方法来探测和定位 AGILE/GRID 天图中的伽马射线暴 (GRB)。我们使用在距图中心20度半径内模拟有 GRB 的天图训练模型，该半径大于 GRBWeb 目录中99.5%的误差区域。我们还计划将该方法应用于搜寻引力波事件的对应体，其通常具有更宽的定位误差区域。该方法包含用两个卷积神经网络实现的两个深度学习模型。第一个模型探测并筛选含 GRB 的天图，第二个模型定位其位置。我们使用模拟数据训练和测试模型。探测模型准确率达95.7%，定位模型平均误差低于0.8度。我们配置了一个包含所有所需软件用于数据模拟的 Docker 容器，并使用 Amazon Web Service 部署以计算不同条件下的 p 值分布。利用 p 值分布，我们可以计算探测的统计显著性。
引用
@article{arxiv.2302.10557,
title = {Preliminary Results of a New Deep Learning Method to Detect and Localize GRBs in the AGILE/GRID Sky Maps},
author = {N. Parmiggiani and A. Bulgarelli and A. Macaluso and V. Fioretti and A. Di Piano and L. Baroncelli and A. Addis and M. Landoni and C. Pittori and F. Verrecchia and F. Lucarelli and A. Giuliani and F. Longo and D. Beneventano and M. Tavani},
journal= {arXiv preprint arXiv:2302.10557},
year = {2023}
}
备注
4 pages, 1 figure, proceedings of the ADASS XXXII (2022) conference, to appear in ASP Conference Serie