Optimizing the hunt for extraterrestrial high-energy neutrino counterparts
Notice bibliographique
Résumé
It has been a decade since the IceCube collaboration began detecting high-energy (HE) neutrinos originating from cosmic sources. Despite a few well-known individual associations and numerous phenomenological, observational, and statistical multiwavelength studies, the origin of astrophysical HE neutrinos largely remains a mystery. To date, the most convincing associations link HE neutrinos with active galactic nuclei (AGNs). Consequently, many studies have attempted population-based correlation tests between HE neutrinos and specific AGN subpopulations (such as blazars). While some of the associations are suggestive, no definitive population-based correlation has been established. This could result from either a lack of a population-based correlation or insufficient detection power, given the substantial atmospheric neutrino background. By leveraging blazar variability, we performed spatio-temporal blazar-neutrino correlation tests aimed at enhancing detection power by reliably incorporating temporal information into the statistical analysis. We used simulations to evaluate the detection power of our method under various test strategies. We find that: (1) with sufficiently large source samples, if 20% of astrophysical HE neutrinos originate from blazars, we should robustly observe ∼4 σ associations; (2) a counting-based test statistic combined with a top-hat weighting scheme (rather than a Gaussian one) provides the greatest detection power; (3) applying neutrino sample cuts reduces detection power when a weighting scheme is used; and (4) in top-hat-like weighting schemes, low p-values do not occur arbitrarily with an increase in the HE neutrino error region size (any such occurrence is indicative of an underlying blazar–neutrino correlation).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».