論文の概要: Representation Learning for Time-Domain High-Energy Astrophysics: Discovery of Extragalactic Fast X-ray Transient XRT 200515

• arxiv url: http://arxiv.org/abs/2412.01150v2
• Date: Tue, 04 Mar 2025 04:31:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 23:34:03.151222
• Title: Representation Learning for Time-Domain High-Energy Astrophysics: Discovery of Extragalactic Fast X-ray Transient XRT 200515
• Title（参考訳）: 時間領域高エネルギー天体物理学のための表現学習:銀河外高速X線透過XRT 200515の発見
• Authors: Steven Dillmann, Juan Rafael Martínez-Galarza, Roberto Soria, Rosanne Di Stefano, Vinay L. Kashyap,
• Abstract要約: 本稿では,高エネルギーデータセットにおける異常検出,教師なし分類,類似性検索などの下流タスクの表現学習手法を提案する。 これにより、チャンドラのアーカイブデータに新しい銀河外高速X線トランジェント(FXT)、XRT 200515、ニードル・イン・ザ・ヘイスタックのイベント、チャンドラのFXTが発見された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present a novel representation learning method for downstream tasks like anomaly detection, unsupervised classification, and similarity searches in high-energy data sets. This enabled the discovery of a new extragalactic fast X-ray transient (FXT) in Chandra archival data, XRT 200515, a needle-in-the-haystack event and the first Chandra FXT of its kind. Recent serendipitous discoveries in X-ray astronomy, including FXTs from binary neutron star mergers and an extragalactic planetary transit candidate, highlight the need for systematic transient searches in X-ray archives. We introduce new event file representations, E-t maps and E-t-dt cubes, that effectively encode both temporal and spectral information, enabling the seamless application of machine learning to variable-length event file time series. Our unsupervised learning approach employs PCA or sparse autoencoders to extract low-dimensional, informative features from these data representations, followed by clustering in the embedding space with DBSCAN. New transients are identified within transient-dominant clusters or through nearest-neighbour searches around known transients, producing a catalogue of 3559 candidates (3447 flares and 112 dips). XRT 200515 exhibits unique temporal and spectral variability, including an intense, hard <10s initial burst, followed by spectral softening in an ~800s oscillating tail. We interpret XRT 200515 as either the first giant magnetar flare observed at low X-ray energies or the first extragalactic Type I X-ray burst from a faint, previously unknown low-mass X-ray binary in the LMC. Our method extends to data sets from other observatories such as XMM-Newton, Swift-XRT, eROSITA, Einstein Probe, and upcoming missions like AXIS.
• Abstract（参考訳）: 本稿では,高エネルギーデータセットにおける異常検出,教師なし分類,類似性検索などの下流タスクの表現学習手法を提案する。 これにより、チャンドラのアーカイブデータに新しい銀河外高速X線トランジェント(FXT)、XRT 200515、ニードル・イン・ザ・ヘイスタックのイベント、チャンドラのFXTが発見された。 最近のX線天文学におけるセレンディピティーな発見は、連星中性子星の融合によるFXTや、銀河系外惑星のトランジット候補などであり、X線アーカイブにおける体系的な過渡探索の必要性を強調している。 本稿では,時間情報とスペクトル情報の両方を効果的にエンコードする新しいイベントファイル表現,E-tマップ,E-t-dtキューブを導入し,可変長イベントファイル時系列への機械学習のシームレスな適用を可能にする。 教師なし学習手法では、PCAやスパースオートエンコーダを用いて、これらのデータ表現から低次元、情報的特徴を抽出し、次にDBSCANで埋め込み空間にクラスタリングする。 新しいトランジェントは、トランジェントの支配的クラスタ内や、既知のトランジェント周辺の最寄りのサーチによって同定され、3559の候補(3447フレアと112ディップ)のカタログを生成する。 XRT 200515は、高度で硬い<10sの初期のバーストと、800sの振動する尾翼のスペクトル軟化を含む、独自の時間変動とスペクトル変動を示す。 我々は,XRT 200515を,低X線エネルギーで観測された最初の巨大磁気フレアと解釈した。 我々の方法は、XMM-Newton、Swift-XRT、eROSITA、Einstein Probeなどの他の観測所からのデータセットや、AXISのような今後のミッションに拡張されます。

関連論文リスト

• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
  我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。 実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
  論文  参考訳（メタデータ） (2024-03-07T00:12:08Z)
• Deep Learning for Gamma-Ray Bursts: A data driven event framework for X/Gamma-Ray analysis in space telescopes [2.4666310814233703]
  この論文は、Gamma Ray-Bursts (GRB) の概要、その特性、検出に使用される機器、人工知能 (AI) アプリケーションの提供に捧げられている。 Fermi-GBM や HERMES Pathfinder のような次世代の高X線モニターの電流と次世代の両方を考慮すると、研究課題は長く、希薄な高エネルギートランジェントの検出を中心に展開される。 これを解決するために、2つの章では、新しいデータ駆動フレームワークであるDeepGRBを紹介している。
  論文  参考訳（メタデータ） (2024-01-28T11:49:57Z)
• Rapid detection of rare events from in situ X-ray diffraction data using machine learning [3.793863205903028]
  高エネルギーX線回折法は、金属多結晶工学材料の3次元微細構造と関連する特性を非破壊的にマッピングすることができる。 これらの方法は、進化するミクロ構造や特性の時間とともにスナップショットを取るために、熱力学的負荷などの外部刺激と組み合わせられることが多い。 本稿では、高エネルギーX線顕微鏡データにおいて、塑性の開始を迅速に検出できる完全自動化技術を提案する。
  論文  参考訳（メタデータ） (2023-12-07T02:14:39Z)
• Searching for long faint astronomical high energy transients: a data driven approach [1.5851170136095292]
  宇宙起源の高エネルギー検出器のバックグラウンドカウント率を評価するための新しいフレームワークを提案する。 我々は、異なる時間スケールで背景光曲線を推定するためにニューラルネットワーク(NN)を用いる。 我々は,NASAのFermi Gamma-ray Burst Monitor(GBM)のアーカイブデータに基づいて,新しいソフトウェアをテストする。
  論文  参考訳（メタデータ） (2023-03-28T12:47:00Z)
• Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
  Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。 リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
  論文  参考訳（メタデータ） (2023-03-20T13:40:11Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Real-time detection of anomalies in large-scale transient surveys [0.0]
  本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。 どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
  論文  参考訳（メタデータ） (2021-10-29T18:29:25Z)
• A Deep Learning Approach for Active Anomaly Detection of Extragalactic Transients [1.7152709285783647]
  本稿では,シミュレーションしたルビン天文台の銀河外過渡現象をエンコードする変分リカレントオートエンコーダニューラルネットワークを提案する。 1,129,184のイベントを,孤立林を用いて推定した異常スコアに基づいてランク付けした。 我々のアルゴリズムは、ピーク前にこれらの過渡現象を異常と識別することができ、リアルタイムの追従研究を可能にしている。
  論文  参考訳（メタデータ） (2021-03-22T18:02:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。