A Strategy for LSST to Unveil a Population of Kilonovae without Gravitational-wave Triggers
Notice bibliographique
Résumé
We present a cadence optimization strategy to unveil a large population of kilonovae using optical imaging alone. These transients are generated during binary neutron star and potentially neutron star–black hole mergers and are electromagnetic counterparts to gravitational-wave signals detectable in nearby events with Advanced LIGO, Advanced Virgo, and other interferometers that will be online in the near future. Discovering a large population of kilonovae will allow us to determine how heavy-element production varies with the intrinsic parameters of the merger and across cosmic time. The rate of binary neutron star mergers is still uncertain, but only few (≲15) events with associated kilonovae may be detectable per year within the horizon of next-generation ground-based interferometers. The rapid evolution (∼days) at optical/infrared wavelengths, relatively low luminosity, and the low volumetric rate of kilonovae makes their discovery difficult, especially during blind surveys of the sky. We propose future large surveys to adopt a rolling cadence in which g - i observations are taken nightly for blocks of 10 consecutive nights. With the current baseline2018a cadence designed for the Large Synoptic Survey Telescope (LSST), ≲7.5 poorly sampled kilonovae are expected to be detected in both the Wide Fast Deep (WFD) and Deep Drilling Fields (DDF) surveys per year, under optimistic assumptions on their rate, duration, and luminosity. We estimate the proposed strategy to return up to ∼272 GW170817-like kilonovae throughout the LSST WFD survey, discovered independently from gravitational-wave triggers.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».