利用无监督机器学习揭示隐藏的重复快速射电暴
高能天体物理现象
2021-10-20 v1 宇宙学与河外天体物理
星系天体物理
摘要
快速射电暴（FRB）是具有毫秒时标的天文暂现源，其起源至今未知。其中一个困难在于观测到的 FRB 可能具有异质起源；即部分被观测到重复爆发，而另一部分则未观测到重复。由于观测周期和望远镜灵敏度有限，部分暴发可能被误判为非重复暴。因此，将 FRB 明确区分为重复暴与非重复暴对于更好地理解其起源至关重要。在本工作中，我们使用无监督机器学习对重复暴与非重复暴进行分类，且不依赖耗时的监测观测。我们提出了一种基于统一流形逼近与投影（UMAP）的重复 FRB 识别方法。本工作的主要目标是： 证明无监督 UMAP 能够在没有任何关于其重复性先验知识的情况下对重复 FRB 群体进行分类；(ii) 评估非重复 FRB 受到重复 FRB 污染的假设；(iii) 在无需监测观测的情况下识别 FRB 重复暴候选体并发布相应的目录。我们将该方法应用于加拿大氢强度测绘实验快速射电暴（CHIME/FRB）数据库。我们发现，无监督 UMAP 分类提供了 95% 的重复 FRB 完整度，并从 474 个非重复暴源中识别出 188 个 FRB 重复暴源候选体。本工作为基于单历元 FRB 观测的重复暴与非重复暴新分类铺平了道路。
引用
@article{arxiv.2110.09440,
title = {Uncloaking hidden repeating fast radio bursts with unsupervised machine learning},
author = {Bo Han Chen and Tetsuya Hashimoto and Tomotsugu Goto and Seong Jin Kim and Daryl Joe D. Santos and Alvina Y. L. On and Ting-Yi Lu and Tiger Y. -Y. Hsiao},
journal= {arXiv preprint arXiv:2110.09440},
year = {2021}
}
备注
10 pages, 9 figures, accepted for publication in MNRAS. For summary video, please see https://youtu.be/fWfvfFPDhcQ