論文の概要: FRTSearch: Unified Detection and Parameter Inference of Fast Radio Transients using Instance Segmentation

• arxiv url: http://arxiv.org/abs/2604.12344v1
• Date: Tue, 14 Apr 2026 06:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.286091
• Title: FRTSearch: Unified Detection and Parameter Inference of Fast Radio Transients using Instance Segmentation
• Title（参考訳）: FRTSearch:インスタンスセグメンテーションを用いた高速無線トランジェントの検出とパラメータ推定
• Authors: Bin Zhang, Yabiao Wang, Xiaoyao Xie, Shanping You, Xuhong Yu, Qiuhua Li, Hongwei Li, Shaowen Du, Chenchen Miao, Dengke Zhou, Jianhua Fang, Jiafu Wu, Pei Wang, Di Li,
• Abstract要約: 我々はFRT(Fast Radio Transients)の検出と物理的特徴を統一するエンドツーエンドフレームワークであるFRTSearchを紹介する。 このパラダイムを Search-then-identify' から detect-and-infer' にシフトすることで、FRTSearch はリアルタイム発見のためのスケーラブルで高精度なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 23.213680376083094
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The exponential growth of data from modern radio telescopes presents a significant challenge to traditional single-pulse search algorithms, which are computationally intensive and prone to high false-positive rates due to Radio Frequency Interference (RFI). In this work, we introduce FRTSearch, an end-to-end framework unifying the detection and physical characterization of Fast Radio Transients (FRTs). Leveraging the morphological universality of dispersive trajectories in time-frequency dynamic spectra, we reframe FRT detection as a pattern recognition problem governed by the cold plasma dispersion relation. To facilitate this, we constructed CRAFTS-FRT, a pixel-level annotated dataset derived from the Commensal Radio Astronomy FAST Survey (CRAFTS), comprising 2{,}392 instances across diverse source classes. This dataset enables the training of a Mask R-CNN model for precise trajectory segmentation. Coupled with our physics-driven IMPIC algorithm, the framework maps the geometric coordinates of segmented trajectories to directly infer the Dispersion Measure (DM) and Time of Arrival (ToA). Benchmarking on the FAST-FREX dataset shows that FRTSearch achieves a 98.0\% recall, competitive with exhaustive search methods, while reducing false positives by over 99.9\% compared to PRESTO and delivering a processing speedup of up to $13.9\times$. Furthermore, the framework demonstrates robust cross-facility generalization, detecting all 19 tested FRBs from the ASKAP survey without retraining. By shifting the paradigm from ``search-then-identify'' to ``detect-and-infer,'' FRTSearch provides a scalable, high-precision solution for real-time discovery in the era of petabyte-scale radio astronomy.
• Abstract（参考訳）: 現代の電波望遠鏡からのデータの指数関数的な増加は、従来の単一パルス探索アルゴリズムにとって大きな課題であり、これは計算集約であり、RFI(Radio Frequency Interference)による偽陽性率が高い傾向にある。 本稿では,FRT(Fast Radio Transients)の検出と物理的特徴を統一するエンドツーエンドフレームワークであるFRTSearchを紹介する。 時間周波数ダイナミックスペクトルにおける分散軌道の形態的普遍性を利用して、FRT検出を冷プラズマ分散関係が支配するパターン認識問題として再設定する。 そこで我々はCRAFTS-FRT(Commensal Radio Astronomy FAST Survey, CRAFTS)を作成した。 このデータセットは、正確な軌道分割のためのMask R-CNNモデルのトレーニングを可能にする。 本手法は,物理駆動型IMPICアルゴリズムと組み合わせて,分割軌跡の幾何座標をマッピングし,分散測度 (DM) とアリーバル時間 (ToA) を直接推定する。 FAST-FREXデータセットのベンチマークによると、FRTSearchは98.0\%のリコールを達成し、徹底的な検索手法と競合する一方で、偽陽性をPRESTOと比較して99.9\%以上削減し、最大13.9\times$の処理速度を提供する。 さらに、このフレームワークは堅牢なクロスファシリティの一般化を示し、ASKAPの調査から19の試験されたFRBをすべて再トレーニングせずに検出する。 FRTSearchは、‘search-then-identify’から‘detect-and-infer’にパラダイムをシフトすることで、ペタバイト規模の電波天文学の時代におけるリアルタイム発見のためのスケーラブルで高精度なソリューションを提供する。

関連論文リスト

• Event-based Visual Deformation Measurement [76.25283405575108]
  視覚的変形測定は、カメラ観測から表面の動きを追跡することによって、高密度な変形場を復元することを目的としている。 従来の画像ベースの手法は、対応検索空間を制限するため、最小限のフレーム間動作に依存している。 本研究では,時間的に密集した動きキューやフレームのイベントを利用して,空間的に密集した正確な推定を行うイベントフレーム融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T01:04:48Z)
• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• Advancing RFI-Detection in Radio Astronomy with Liquid State Machines [25.08630315149258]
  人為的な電波源からの電波周波数干渉(RFI)は、現在および将来の電波望遠鏡に重大な課題をもたらす。 本研究では、スパイクネットワークのクラスであるLiquid State Machines (LSMs) をRFI検出に適用する。 我々は、RFI検出の既知のベンチマークであるHyrogen Epoch of Reionization Array (HERA)から得られたシミュレーションデータに基づいてLSMを訓練する。 本モデルでは,画素あたり98%の精度,F1-Integrate 0.743の精度を実現し,この高い課題に対する競合性能を示す。
  論文  参考訳（メタデータ） (2025-04-14T01:51:01Z)
• Event Signal Filtering via Probability Flux Estimation [58.31652473933809]
  イベントは、非同期センシングを通じてシーンダイナミクスをキャプチャするための新しいパラダイムを提供するが、その固有のランダム性は、しばしば劣化した信号品質につながる。 したがって、イベント信号フィルタリングは、この内部ランダム性を低減し、多様な取得条件をまたいだ一貫した出力を確保することで、忠実性を高めるために不可欠である。 本稿ではイベント密度フローフィルタ(EDFilter)と呼ばれる生成オンラインフィルタリングフレームワークを紹介する。 実験では、イベントフィルタリング、スーパーレゾリューション、イベントベースの直接追跡といったタスクでEDFilterのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-10T07:03:08Z)
• Spiking Neural Networks for Radio Frequency Interference Detection in Radio Astronomy [23.640910858923316]
  スパイキングニューラルネットワーク(SNN)は、効率的でダイナミックなデータ処理を約束する。 本稿では,電波天文学,RFI(Radio Frequency Interference)検出における重要な課題を整理する。
  論文  参考訳（メタデータ） (2024-12-09T01:02:30Z)
• Supervised Radio Frequency Interference Detection with SNNs [25.08630315149258]
  電波干渉(Radio Frequency Interference、RFI)は、電波望遠鏡によって観測される観測を妨害し、地球や天体から発生する電波天文学において重要な課題である。 電波天文学観測の動的・時間的性質を考えると、スパイキングニューラルネットワーク(SNN)は有望なアプローチとして出現する。 SNN推論のための電波可視データの符号化について,レート,レイテンシ,デルタ変調,ステップフォワードアルゴリズムの3つのバリエーションを考慮した6つの符号化方式について検討した。
  論文  参考訳（メタデータ） (2024-06-10T07:49:51Z)
• 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)
• Deep learning-based deconvolution for interferometric radio transient reconstruction [0.39259415717754914]
  LOFAR、MeerKAT/SKA、ASKAP/SKA、そして将来のSKA-LOWのような電波天文学施設は、時間と周波数に大きな感度をもたらす。 これらの施設は、自然によって揮発し、データに検出または見逃される無線過渡現象の高度な研究を可能にする。 これらのトランジェントは、電子の高エネルギー加速のマーカーであり、幅広い時間スケールで表される。
  論文  参考訳（メタデータ） (2023-06-24T08:58:52Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)

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。