論文の概要: The hunt for new pulsating ultraluminous X-ray sources: a clustering approach
- arxiv url: http://arxiv.org/abs/2507.15032v1
- Date: Sun, 20 Jul 2025 16:33:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.165974
- Title: The hunt for new pulsating ultraluminous X-ray sources: a clustering approach
- Title（参考訳）: 新しいパルス光X線源の探索--クラスタリングアプローチ
- Authors: Nicolò Oreste Pinciroli Vago, Roberta Amato, Matteo Imbrogno, GianLuca Israel, Andrea Belfiore, Konstantinos Kovlakas, Piero Fraternali, Mario Pasquato,
- Abstract要約: この研究は、XMM-Newtonによって観測された新しい候補PULXのサンプルを示し、その特性は既知のPULXのものと類似している。
この結果は、AIベースの手法の予測力の明確な例であるが、高統計観測データの必要性も強調している。
- 参考スコア（独自算出の注目度）: 0.6825805890534121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The discovery of fast and variable coherent signals in a handful of ultraluminous X-ray sources (ULXs) testifies to the presence of super-Eddington accreting neutron stars, and drastically changed the understanding of the ULX class. Our capability of discovering pulsations in ULXs is limited, among others, by poor statistics. However, catalogues and archives of high-energy missions contain information which can be used to identify new candidate pulsating ULXs (PULXs). The goal of this research is to single out candidate PULXs among those ULXs which have not shown pulsations due to an unfavourable combination of factors. We applied an AI approach to an updated database of ULXs detected by XMM-Newton. We first used an unsupervised clustering algorithm to sort out sources with similar characteristics into two clusters. Then, the sample of known PULX observations has been used to set the separation threshold between the two clusters and to identify the one containing the new candidate PULXs. We found that only a few criteria are needed to assign the membership of an observation to one of the two clusters. The cluster of new candidate PULXs counts 85 unique sources for 355 observations, with $\sim$85% of these new candidates having multiple observations. A preliminary timing analysis found no new pulsations for these candidates. This work presents a sample of new candidate PULXs observed by XMM-Newton, the properties of which are similar (in a multi-dimensional phase space) to those of the known PULXs, despite the absence of pulsations in their light curves. While this result is a clear example of the predictive power of AI-based methods, it also highlights the need for high-statistics observational data to reveal coherent signals from the sources in this sample and thus validate the robustness of the approach.
- Abstract（参考訳）: 少数の超高輝度X線源(ULX)における高速で可変なコヒーレント信号の発見は、超エディントン集積中性子星の存在を証明し、ULXクラスの理解を大きく変えた。
ULXにおける脈動の発見能力は、統計学の貧弱さなどによって制限されている。
しかし、高エネルギーミッションのカタログやアーカイブには、新しい候補であるULX(PULX)を特定する情報が含まれている。
本研究の目的は、不必要な要素の組み合わせにより脈動を示さなかったこれらのULXの中から、候補PULXを選別することである。
我々はXMM-Newtonによって検出されたULXの更新データベースにAIアプローチを適用した。
まず、教師なしクラスタリングアルゴリズムを用いて、類似した特徴を持つソースを2つのクラスタに分類した。
次に、既知のPULX観測のサンプルを用いて、2つのクラスター間の分離閾値を設定し、新しい候補であるPULXを含むものを同定した。
2つのクラスタのうちの1つに観測のメンバシップを割り当てるために必要な基準は,ごくわずかであることがわかった。
新しい候補PULXのクラスタは355の観測で85のユニークな情報源を数えており、これらの候補の$\sim$85%は複数の観測結果を持っている。
予備のタイミング分析では、これらの候補に対する新たな脈動は見つからなかった。
この研究は、XMM-Newton が観測した新しい候補 PULX のサンプルを示し、その性質は光曲線に脈動がないにもかかわらず、既知の PULX のものと類似している。
この結果は、AIベースの手法の予測力の明確な例であるが、このサンプルのソースからのコヒーレントな信号を明らかにするための高統計観測データの必要性を強調し、このアプローチの堅牢性を検証する。
関連論文リスト
- Intra-view and Inter-view Correlation Guided Multi-view Novel Class Discovery [52.616615506638205]
新たなクラス発見 (NCD) は、解離した既知のクラスからの知識を活用することで、新しいクラスをクラスタリングすることを目的としている。
Intra-view and Inter-view correlation Guided Multi-view Novel Class Discovery (IICMVNCD) という新しいフレームワークを提案する。
IICMVNCDはマルチビュー環境でNCDを探索する最初の試みである。
論文 参考訳（メタデータ） (2025-07-16T08:42:52Z) - Representation Learning for Time-Domain High-Energy Astrophysics: Discovery of Extragalactic Fast X-ray Transient XRT 200515 [0.0]
本稿では,高エネルギーデータセットにおける異常検出,教師なし分類,類似性検索などの下流タスクの表現学習手法を提案する。
これにより、チャンドラのアーカイブデータに新しい銀河外高速X線トランジェント(FXT)、XRT 200515、ニードル・イン・ザ・ヘイスタックのイベント、チャンドラのFXTが発見された。
論文 参考訳（メタデータ） (2024-12-02T05:48:31Z) - Unsupervised Machine Learning for the Classification of Astrophysical
X-ray Sources [44.99833362998488]
我々は、Chandra Source Catalogソースに確率的クラスを提供するための教師なし機械学習アプローチを開発した。
約14,507個の検出結果を含む8,756個の情報源を対象とした確率クラスのカタログを提供する。
分類対象物の特徴分布と確立された天体物理仮説との整合性について検討した。
論文 参考訳（メタデータ） (2024-01-22T18:42:31Z) - Optimal Multi-Distribution Learning [88.3008613028333]
マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。
本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-12-08T16:06:29Z) - Heteroskedastic Tensor Clustering [20.979358557219953]
我々は、$mathsfHightext-orderHeteroClustering$$mathsfHHC$という2段階の手法を提案する。
まず、$mathsfThresholdedDeflatedtext-HeteroPCA$と呼ばれる新しいスペクトルアルゴリズムを使ってテンソル部分空間の推定を行い、続いてクラスタノードを取得するためにおよそ$k$-meansを実行する。
我々のアルゴリズムは、SNRが計算限界を超える限り、正確なクラスタリングを確実に達成する。
論文 参考訳（メタデータ） (2023-11-04T02:50:40Z) - Understanding of the properties of neural network approaches for
transient light curve approximations [37.91290708320157]
本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。
テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
論文 参考訳（メタデータ） (2022-09-15T18:00:08Z) - "Flux+Mutability": A Conditional Generative Approach to One-Class
Classification and Anomaly Detection [4.371371475735559]
異常検出は、標準モデルを超えた新しい物理を見つける最前線にある。
本稿では,Flux+Mutabilityと呼ばれる新しい機械学習アーキテクチャの実装について詳述する。
論文 参考訳（メタデータ） (2022-04-19T01:55:58Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳（メタデータ） (2022-02-09T06:05:05Z) - Lattice-Based Methods Surpass Sum-of-Squares in Clustering [98.46302040220395]
クラスタリングは教師なし学習における基本的なプリミティブである。
最近の研究は、低次手法のクラスに対する低い境界を確立している。
意外なことに、この特定のクラスタリングモデルのtextitdoesは、統計的-計算的ギャップを示さない。
論文 参考訳（メタデータ） (2021-12-07T18:50:17Z) - Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。
CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。
複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2020-08-12T06:23:49Z) - Simulation Assisted Likelihood-free Anomaly Detection [3.479254848034425]
本稿では,モデルに依存しない探索に両方のアプローチを最大限に活用するハイブリッド手法を提案する。
1つの特徴において共振性を持つポテンシャル信号に対して、この新しい手法は、まずパラメータ化再重み付け関数を学習し、与えられたシミュレーションを変形して、データをサイドバンドで整合させる。
重み付けされたシミュレーションによる背景推定により、分類に使用される特徴と共鳴特徴との間には非自明な相関が生じる。
論文 参考訳（メタデータ） (2020-01-14T19:00:09Z) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳（メタデータ） (2017-02-16T23:42:02Z)
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。