The Implementation of a Fast-folding Pipeline for Long-period Pulsar Searching in the PALFA Survey
Notice bibliographique
Résumé
Abstract The Pulsar Arecibo L-Band Feed Array (PALFA) survey, the most sensitive blind search for radio pulsars yet conducted, is ongoing at the Arecibo Observatory in Puerto Rico. The vast majority of the 180 pulsars discovered by PALFA have spin periods shorter than 2 s. Pulsar surveys may miss long-period radio pulsars owing to the summing of a finite number of harmonic components in conventional Fourier analyses (typically ∼16), or as a result of the strong effect of red noise at low modulation frequencies. We address this reduction in sensitivity by using a time-domain search technique: the fast-folding algorithm (FFA). We designed a program that implements an FFA-based search in the PALFA processing pipeline and tested the efficiency of the algorithm by performing tests under both ideal, white-noise conditions, as well as with real PALFA observational data. In the two scenarios, we show that the time-domain algorithm has the ability to outperform the FFT-based periodicity search implemented in the survey. We perform simulations to compare the previously reported PALFA sensitivity with that obtained using our new FFA implementation. These simulations show that for a pulsar having a pulse duty cycle of roughly 3%, the performance of our FFA pipeline exceeds that of our FFT pipeline for pulses with dispersion measure ≲ 40 pc cm−3 and for periods as short as ∼500 ms, and that the survey sensitivity is improved by at least a factor of two for periods ≳ 6 s. Early results from the implementation of the algorithm in PALFA, including discoveries, are also presented in this paper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».