人工智能在脉冲星候选体筛选中的应用

       摘要: 脉冲星搜寻是对脉冲星、引力波,以及对快速射电暴(Fast Radio Burst,简称FRB)等暂现源进行研究的基础.搜寻不仅可以扩大脉冲星样本,还可以发现极端性质的致密星.这有助于研究致密天体状态方程、星际介质、脉冲星导航、引力波探测等课题.目前,射电望远镜的单次巡天就可以产生百万数量级的脉冲星候选体.面对这些海量数据,仅仅依赖人工识别筛选,已不能满足数据的时效需求,更不能实现数据的实时处理.机器学习、计算机视觉应用等人工智能技术自诞生以来,其理论和技术已日益发展成熟,并已成功运用到脉冲星候选体筛选等射电天文研究领域.首先将介绍现有脉冲星搜寻的人工智能方法,再统计和分析已有脉冲星候选体筛选方法的性能,最后对FAST脉冲星候选体筛选工作进行展望.

作者:
许余云 李菂 刘志杰 王晨 王培 张蕾 潘之辰
单位:
贵州师范大学 贵州省信息与计算科学重点实验室,贵阳,550001 中国科学院 国家天文台,北京100012;中国科学院 射电天文实验室,南京 210008 澳大利亚联邦科学与工业研究组织,堪培拉ACT 2601,澳大利亚 中国科学院 国家天文台,北京,100012
出处:
《天文学进展》
刊期:
2017年第35卷第3期
基金:
研究生创新基金项目 国家自然科学基金 中国科学院国际合作局对外合作重点项目 中国科学院战略性先导科技专项(B类)

人工智能在脉冲星候选体筛选中的应用

摘要:脉冲星搜寻是对脉冲星、引力波,以及对快速射电暴(Fast Radio Burst,简称FRB)等暂现源进行研究的基础.搜寻不仅可以扩大脉冲星样本,还可以发现极端性质的致密星.这有助于研究致密天体状态方程、星际介质、脉冲星导航、引力波探测等课题.目前,射电望远镜的单次巡天就可以产生百万数量级的脉冲星候选体.面对这些海量数据,仅仅依赖人工识别筛选,已不能满足数据的时效需求,更不能实现数据的实时处理.机器学习、计算机视觉应用等人工智能技术自诞生以来,其理论和技术已日益发展成熟,并已成功运用到脉冲星候选体筛选等射电天文研究领域.首先将介绍现有脉冲星搜寻的人工智能方法,再统计和分析已有脉冲星候选体筛选方法的性能,最后对FAST脉冲星候选体筛选工作进行展望.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.171232s