基于LSTM神经网络的Ia型超新星光谱研究
高能天体物理现象
2022-05-09 v2 天体物理仪器与方法
摘要
我们提出了一种基于长短期记忆（LSTM）神经网络的数据驱动方法，用于分析Ia型超新星（SNe Ia）的光谱时间序列。该数据集包含来自361颗独立SNe Ia的3091条光谱。该方法能够根据最大光度附近单条观测光谱精确重建SN Ia的光谱序列。光谱重建的精度随光谱时间覆盖的增加而提高，但多历元数据在光学极大附近的显著增益仅对间隔超过一周的观测才明显。该方法在提取SNe Ia光谱信息方面展现出强大能力，并表明SN Ia最关键信息可由光学极大附近单条光谱得出。我们所开发的算法对未来SN巡天（LSST/Rubin与WFIRST/Roman望远镜）的光谱后随观测规划具有重要意义。
引用
@article{arxiv.2202.02498,
title = {Spectroscopic Studies of Type Ia Supernovae Using LSTM Neural Networks},
author = {Lei Hu and Xingzhuo Chen and Lifan Wang},
journal= {arXiv preprint arXiv:2202.02498},
year = {2022}
}
备注
37 pages, 27 figures, 1 table, matches published version in ApJ