[论文解读] Finding Fast Transients in Real Time Using Novel Light Curve Analysis Algorithm

R. Strausbaugh, Antonino Cucchiara+5 more|arXiv (Cornell University)|Sep 27, 2021

Advanced Image Processing Techniques参考文献 109被引用 3

一句话总结

本文提出了快速暂态源发现算法（FTF），这是一种实时光曲线分析工具，旨在从深空、广域、快速（DWF）巡天数据中检测快速演化光学暂现源。通过分析图像差分处理后的DWF数据光曲线，FTF能够识别出亮度急剧上升的候选源，在分钟至小时量级的时间尺度上具有高敏感度，从而实现对多信使天文学的快速后续观测。

ABSTRACT

The current data acquisition rate of astronomical transient surveys and the promise for significantly higher rates during in the next decade necessitate the development of novel approaches to analyze astronomical data sets and promptly detect objects of interest. The Deeper, Wider, Faster (DWF) program is a survey focused on the identification of fast evolving transients, such as fast radio bursts, gamma-ray bursts, and supernova shock breakouts. It employs a multi-frequency simultaneous coverage of the same part of the sky over several orders of magnitude. Using the Dark Energy Camera mounted on the 4-meter Blanco telescope, DWF captures a 20 second g-band exposure every minute, at a typical seeing of ~ 1" and an airmass of ~ 1.5. These optical data are collected simultaneously with observations conducted over the entire electromagnetic spectrum - from radio to gamma-rays - as well as cosmic ray observations. In this paper, we present a novel real-time light curve analysis algorithm, designed to detect transients in the DWF optical data; this algorithm functions independently from, or in conjunction with, image subtraction. We present a sample of fast transients detected by our algorithm, as well as a false-positive analysis. Our algorithm is customizable and can be tuned to be sensitive to transients evolving over different timescales and flux ranges.

研究动机与目标

• 开发一种实时、可定制的光曲线分析算法，用于检测光学巡天数据中的快速演化暂现源。
• 解决在传统巡天处理流程中被遗漏的微弱、短 timescale 暂现源（≲1小时，mg ≳21）的识别挑战。
• 将FTF算法集成至DWF处理流程中，实现候选源的自动标记与优先级排序。
• 通过结合从射电至伽马射线的多波段观测，实现对暂现源候选者的快速后续观测。
• 为FTF算法在即将开展的高时间分辨率巡天（如维拉·C·鲁宾天文台）中的部署做好准备。

提出的方法

• FTF算法分析由图像差分处理流程（Mary Pipeline）在DWF数据上生成的光曲线。
• 通过识别光曲线斜率超过可配置阈值的源来检测暂现源，该阈值可手动设定或通过统计方法确定。
• 该算法设计用于对不同时间尺度和流量范围的暂现源保持敏感，支持针对不同类型暂现源的定制化配置。
• 候选源基于亮度的快速上升进行标记，优先考虑同时被图像差分流程标记的源。
• FTF可独立运行，也可与图像差分流程协同工作，提升检测灵敏度，且不完全依赖差分伪影。
• 该算法正在早期鲁宾科学平台数据（DP0.1）上进行测试，为与LSST的全面部署做好准备。

实验结果

研究问题

• RQ1 如何通过实时光曲线分析算法在高时间分辨率巡天数据中检测快速光学暂现源（≲1小时）？
• RQ2 何种阈值策略可实现对快速演化暂现源的可靠识别，同时将误报率降至最低？
• RQ3 当应用于1分钟时间基线、g波段星等极限约为24的DWF数据时，FTF算法的性能如何？
• RQ4 FTF算法能否被有效调校以检测跨越多种时间尺度和流量范围的暂现源？
• RQ5 如何将FTF算法集成至现有巡天处理流程中，以实现暂现源的实时分类与后续观测？

主要发现

• FTF算法成功实现实时检测，利用图像差分处理后的DWF数据光曲线识别快速暂现源。
• 该算法能识别出亮度急剧上升的候选源，实现对最短达数分钟时间尺度暂现源的探测。
• 误报率分析证实了算法的可靠性，其性能可通过调节斜率阈值进行优化。
• FTF设计为可定制化，可对广泛的时间尺度和流量水平的暂现源保持敏感。
• 该算法已集成至DWF处理流程中，将在下一轮DWF运行中部署。
• FTF正在鲁宾科学平台DP0.1数据上进行测试，为与维拉·C·鲁宾天文台的全面部署做好准备。