Spectro-temporal analysis of ultra-fast radio bursts using per-channel arrival times
Notice bibliographique
Résumé
ABSTRACT Fast radio bursts (FRBs), especially those from repeating sources, exhibit a rich variety of morphologies in their dynamic spectra (or waterfalls). Characterizing these morphologies and spectro-temporal properties is a key strategy in investigating the underlying unknown emission mechanism of FRBs. This type of analysis has been typically accomplished using two-dimensional Gaussian techniques and the autocorrelation function of the waterfall. These techniques are effective and precise at all duration scales, but can be limited in the presence of scattered tails, complex morphologies, or recently observed microshot forests. Here, we present a technique that involves the tagging of per-channel arrival times of an FRB to perform spectro-temporal measurements using a Gaussian profile model for each channel. While scattering and dispersion remain important and often dominating sources of uncertainty in measurements, this technique provides an adaptable and firm foundation for obtaining spectro-temporal properties from all types of FRB morphologies. We present measurements using this technique of several hundred bursts across 12 repeating sources, including over 400 bursts from the repeating sources FRB 20121102A, FRB 20220912A, and FRB 20200120E, all of which exhibit recently observed microsecond-long ultra-FRBs, as well as 143 multi-component drift rates. In addition to retrieving the known relationship between sub-burst slope and duration, we explore other correlations between burst properties. We find that the sub-burst slope law extends smoothly to ultra-FRBs, and that ultra-FRBs appear to form a distinct population in the duration–frequency relation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».