揭示隐藏的聚类：对重复快速射电暴 FRB 20220912A 的无监督机器学习研究
高能天体物理现象
2026-01-23 v2
摘要
快速射电暴（FRBs）是起源于河外的毫秒级射电瞬变现象。对重复快速射电暴进行分类对于理解其发射机制至关重要，但由于其持续时间短、变化性高以及数据量不断增加，这一任务仍然充满挑战。传统方法通常依赖主观标准，且难以处理高维数据。在本研究中，我们应用了一个无监督机器学习框架，该框架结合了均匀流形逼近与投影（UMAP）和基于层次密度的带噪声应用空间聚类（HDBSCAN），对来自 FRB 20220912A 的八个观测参数进行分析。我们的分析揭示了三个具有不同光谱和流量特性的不同爆发簇。与其他重复暴的聚类研究比较显示，我们的一些簇与 FRB 20201124A 和 FRB 121102 等源具有相似特征，表明可能存在共同的发射机制。我们还为每个簇提供了定性解释，突出了单一源内的光谱多样性。值得注意的是，一个簇显示出宽带发射和高流量，这通常见于非重复快速射电暴。这提出了一种可能性，即由于观测限制，一些非重复暴可能是被错误分类的重复暴。我们的结果证明了机器学习在揭示快速射电暴发射内在多样性方面的实用性，并为未来的分类研究奠定了基础。
引用
@article{arxiv.2601.14065,
title = {Unveiling Hidden Clustering: An Unsupervised Machine Learning Study of Repeating FRB 20220912A},
author = {An-Chieh Hsu and Tetsuya Hashimoto and Tomotsugu Goto and Tomoki Wada and Bjorn Jasper Raquel},
journal= {arXiv preprint arXiv:2601.14065},
year = {2026}
}
备注
Accepted for publication in PASP