船帆座脉冲星：基于机器学习技术的单脉冲分析
高能天体物理现象
2021-12-22 v1 天体物理仪器与方法
太阳与恒星天体物理
摘要
我们利用阿根廷射电天文研究所两台射电望远镜同时进行的每日超过三小时(每次观测约120,000个脉冲)的观测，研究船帆座(PSR B0833-45 / J0835-4510)的单脉冲。我们选取2021年1月至3月中的4天观测，并用机器学习技术考察其统计性质。我们首先使用基于密度的DBSCAN聚类技术，主要按振幅对脉冲进行关联，发现较高振幅与较早到达时间之间存在相关性。我们还发现与脉冲平均宽度的较弱(依赖偏振的)相关性。我们识别出所谓迷你巨脉冲的簇，其振幅约为平均脉冲的10倍。随后我们使用自组织映射(SOM)聚类技术进行了独立研究。我们利用变分自编码器(VAE)对脉冲进行重建，将其与噪声清晰分离，并选取其中一天的观测来训练VAE，再将其应用于其余观测。我们使用SOM确定每台射电望远镜每天4个脉冲簇，并得出结论：我们的主要结果稳健且自洽。这些结果支持脉冲星磁层中不同高度(彼此相距约数百公里)发射区的模型。我们还用脉冲间时间尺度上的星际闪烁模式对脉冲振幅分布建模，得到特征指数n_ISS∼7-10。在附录中，我们讨论了以不同单偏振/双偏振配置同时使用两台射电望远镜对硬件系统误差的独立检验。我们还提供了射电干扰清理与单脉冲折叠过程的详细分析。
引用
@article{arxiv.2108.13462,
title = {Vela Pulsar: Single Pulses Analysis with Machine Learning Techniques},
author = {Carlos O. Lousto and Ryan Missel and Harsh Prajapati and Valentina Sosa Fiscella and Federico G. López Armengol and Prashnna Kumar Gyawali and Linwei Wang and Nathan Cahill and Luciano Combi and Santiago del Palacio and Jorge A. Combi and Guillermo Gancio and Federico García and Eduardo M. Gutiérrez and Fernando Hauscarriaga},
journal= {arXiv preprint arXiv:2108.13462},
year = {2021}
}
备注
19 pages