Bibliographic record
Abstract
Les sursauts radio rapides (Fast Radio Bursts, FRB) sont transitoires de durée micro à milliseconde d'origine extragalactique. Malgré des estimations de taux de FRB de milliers par ciel par jour, seulement 30 sources ont été détectés au cours de cette décennie depuis la découverte initiale, et les progéniteurs des FRB restent un mystère. Cela va bientôt changer, des recherches dédiés en temps réel 24/7, devraient détecter des dizaines de FRB tous les jours, sont dans les premiers stades de mise en service. La recherche est hébergée par un télescope piloté par logiciel avec un champ de vision d'environ ~250 degrés carrés et une zone de collection de ~8000 metres carrésca. Le télescope est situé à l'Observatoire Fédéral Radioastrophysique (OFR), et a été conçu pour L'Expérience Canadienne de Cartographie de L'Intensité de l'Hydrogène (Canadian Hydrogen Intensity Mapping Experiment, CHIME). Cette thèse suit le développement des composantes dans les dernières étapes de la CHIME/FRB pipeline, où l'attention est sur la classification. Ces développements comprennent: des algorithmes pour regrouper des détections sur des espaces de recherche multidimensionnels et identifier de façon unique des impulsions uniques; un algorithme pour trier les événements candidats ressemblant aux interférences radio-fréquences, avec des préparations pour l'application de classificateurs d'apprentissage automatique; une méthode pour localiser des éclats lumineux, l'échange de la mémoire et précalcul de temps d'exécution de sous-millisecondes; et une architecture pour le pipeline basé sur les événements, conçu pour évoluer vers un nombre arbitraire de cœurs et de machines. Enfin, un test de contraintes du pipeline basé sur les événements a été réalisé, en utilisant des événements simulés sur la population de pulsars connue. Le pipeline gère confortablement 300000 faux événements couvrant 24 heures de observations simulées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".