| 基于机器学习方法的快速射电暴分类研究 |
| |
| 引用本文： | 孙万鹏,张富文.基于机器学习方法的快速射电暴分类研究[J].广西物理,2023(3):7-16+23. |
| |
| 作者姓名： | 孙万鹏 张富文 |
| |
| 作者单位： | 桂林理工大学理学院 |
| |
| 基金项目： | 广西自然科学基金资助项目(2022GXNSFDA035083)； |
| |
| 摘 要： | 快速射电暴(FRB)是继伽马射线暴之后出现的持续时间更短的高能爆发现象，其分类、物理起源和辐射机制等基本问题目前尚不清楚。最新观测发现FRB大部分是一次性爆发事件，仅有极少量的重复FRB，人们就此把FRB简单分为重复暴和非重复暴。FRB清楚的分类对揭示它的物理起源至关重要。在本文中，我们首先使用流形学习降维算法t-分布随机近邻嵌入(t-SNE)对CHIME望远镜观测到的536个FRB进行了分类。结果发现FRB可以明显地分为两类，已经证认的重复暴属于其中一类，由此我们给出了152个重复暴候选体。其次，我们分析了两类暴的统计特性，发现重复暴候选体和已经证认的重复暴之间的统计特征高度相似，而重复暴候选体和非重复暴的多个物理量有着明显的不同，重复暴的各向同性峰值光度(Liso)、各向同性能量(Eiso)和亮温度(TB)的平均值都小于非重复暴，暗示着两类暴可能有不同的起源。另外我们还发现两类FRB的Liso、Eiso和TB之间都存在较强的相关性，且没有显著差异，表明...
|
| 关 键 词： | 快速射电暴 机器学习 统计分析 |
|
|
