MétaCan
Menu
Retour à la cohorte
Enregistrement W4365517951 · doi:10.3847/1538-4365/acc252

Mitigating Radio Frequency Interference in CHIME/FRB Real-time Intensity Data

2023· article· en· W4365517951 sur OpenAlexafffundabout
Masoud Rafiei-Ravandi, Kendrick M. Smith

Notice bibliographique

RevueThe Astrophysical Journal Supplement Series · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePulsars and Gravitational Waves Research
Établissements canadiensMcGill UniversityPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesCanada Foundation for Innovation
Mots-clésFast radio burstMillisecondElectromagnetic interferenceBandwidth (computing)PhysicsComputer scienceRadio frequencyInterference (communication)OutlierAstrophysicsTelecommunicationsAstronomyArtificial intelligenceChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Abstract Extragalactic fast radio bursts (FRBs) are a new class of astrophysical transient with unknown origins that have become a main focus of radio observatories worldwide. FRBs are highly energetic (∼1036–1042 erg) flashes that last for about a millisecond. Thanks to its broad bandwidth (400–800 MHz), large field of view (∼200 sq. deg.), and massive data rate (1500 TB of coherently beamformed data per day), the Canadian Hydrogen Intensity Mapping Experiment / Fast Radio Burst (CHIME/FRB) project has increased the total number of discovered FRBs by over a factor 10 in 3 yr of operation. CHIME/FRB observations are hampered by the constant exposure to radio frequency interference (RFI) from artificial devices (e.g., cellular phones, aircraft), resulting in ∼20% loss of bandwidth. In this work, we describe our novel technique for mitigating RFI in CHIME/FRB real-time intensity data. We mitigate RFI through a sequence of iterative operations, which mask out statistical outliers from frequency-channelized intensity data that have been effectively high-pass filtered. Keeping false-positive and false-negative rates at very low levels, our approach is useful for any high-performance surveys of radio transients in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,331
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical Journal Supplement SeriesMême sujetPulsars and Gravitational Waves ResearchTravaux en français237 207