Measurements and Scripts for "Spectro-temporal analysis of ultra-fast radio bursts using per-channel arrival times" paper
Notice bibliographique
Résumé
This repository contains the necessary files to reproduce the measurements and figures published in "Spectro-temporal analysis of ultra-fast radio bursts using per-channel arrival times". This includes measurement spreadsheets, measurement figures, analysis scripts, and figure scripts. Scripts are written in Python. Burst files containing the FRB waterfalls in .npz format can be arranged through correspondence. Each PDF file named after an FRB source contains the waterfall plots of each burst with their measurements overlaid. The spreadsheets included are: allmeasurements_postfilter.csv Spreadsheet of the 433 measurements remaining after measurement filters are applied. These measurements are used in the figures and form the basis of the analysis and conclusions. allmeasurements_prefilter.csv Sheet of all measurements before filtering is applied. alldrifts.csv Sheet of multi-component driftrates measured using the arrival times method. alldrifts_acf.csv Sheet of multi-component driftrates measured using the ACF Gaussian method. burstdm_allmeasurements.csv Spreadsheet of measurements taken at each burst's individually determined DM. channelduration_allmeasurements.csv Measurements with duration defined as the average of channel durations. dmoptimized_allmeasurements.csv Measurements taken at each source's slope law corrected, 'optimized' DM. fluxdensities.csv Burst flux densities used in Figure 5. The scripts included are: arrivaltimes.py The implementation of the arrival times measurement pipeline described in the paper. Please note that this script is packaged with (and depends on) frbgui, which is available on pip and Github. Documentation on using arrivaltimes.py is available here. measurebursts.py This script performs the measurement of each burst. For each burst, the measurement options passed to arrivaltimes.py are listed. fig_spectraplots.py This script produces Figures 3 to 6, D1, D2, and D3 of the paper. Please email If you would like the code and measurements for the method comparison figures (Figs 7 and 8). measurement_example.py Shows the basic structure of measurebursts.py and can serve as a template for using the arrivaltimes.py pipeline.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,009 | 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 ».