Gamma-Ray Urgent Archiver for Novel Opportunities (GUANO): Swift/BAT Event Data Dumps on Demand to Enable Sensitive Subthreshold GRB Searches
Notice bibliographique
Résumé
Abstract We introduce a new capability of the Neil Gehrels Swift Observatory to provide event-level data from the Burst Alert Telescope (BAT) on demand in response to transients detected by other instruments. We show that the availability of these data can effectively increase the rate of detections and arcminute localizations of gamma-ray bursts (GRB) like GRB 170817 by >400%. We describe an autonomous spacecraft-commanding pipeline purpose built to enable this science; to our knowledge, this is the first fully autonomous extremely low-latency commanding of a space telescope for scientific purposes. This pipeline has been successfully run in its complete form since 2020 January, and has resulted in the recovery of BAT event data for >800 externally triggered events to date (gravitational waves, GWs; neutrinos; GRBs triggered by other facilities; fast radio bursts; and very high-energy detections), now running with a success rate of ∼90%. We exemplify the utility of this new capability by using the resultant data to (1) set the most sensitive upper limits on prompt 1 s duration short GRB-like emission within ±15 s around the unmodeled GW burst candidate S200114f, and (2) provide an arcminute localization for short GRB 200325A and other bursts. We also show that using data from GUANO to localize GRBs discovered by other instruments, we can increase the net rate of arcminute-localized GRBs by 10%–20% per year. Along with the scientific yield of more sensitive searches for subthreshold GRBs, the new capabilities designed for this project will serve as the foundation for further automation and rapid target of opportunity capabilities for the Swift mission, and have implications for the design of future rapid-response space telescopes.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».