A new method for short duration transient detection in radio images: Searching for transient sources in MeerKAT data of NGC 5068
Notice bibliographique
Résumé
Transient surveys are a vital tool in exploring the dynamic universe, with radio transients acting as beacons for explosive and highly energetic astrophysical phenomena. However, performing commensal transient surveys using radio imaging can require a significant amount of computing power, data storage and time. With the instrumentation available to us, and with new and exciting radio interferometers in development, it is essential that we develop efficient methods to probe the radio transient sky. In this paper, we present results from an commensal short duration transient survey, on time scales of 8 seconds, 128 seconds and 1 hour, using data from the MeerKAT radio telescope. The dataset used was obtained as part of a galaxy observing campaign, and we focus on the field of NGC 5068. We present a quick, wide field imaging strategy to enable fast imaging of large datasets, and develop methods to efficiently filter detected transient candidates. No transient candidates were identified on the time scales of 8 seconds, 128 seconds and 1 hour, leading to competitive limits on the transient surface densities of $6.7{\times}10^{-5}$ deg$^{-1}$, $1.1{\times}10^{-3}$ deg$^{-1}$, and $3.2{\times}10^{-2}$ deg$^{-1}$ at sensitivities of 56.4 mJy, 19.2 mJy, and 3.9 mJy for the respective time scales. We find one possible candidate that could be associated with a stellar flare, that was rejected due to strict image quality control. Further short time-scale radio observations of this candidate could give definite results to its origin.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».