[论文解读] The Korea Microlensing Telescope Network (KMTNet) Alert Algorithm and Alert System

Hyoun-Woo Kim, Kyu‐Ha Hwang+18 more|arXiv (Cornell University)|Jun 20, 2018

Innovation in Digital Healthcare Systems参考文献 3被引用 10

一句话总结

本文提出了一种针对韩国微引力透镜望远镜网络（KMTNet）的实时微引力透镜警报算法，通过识别连续高点并拟合至分段线性上升模型来检测亮度上升的事件。尽管存在计算限制，该系统在大多数天区实现了近乎实时的警报，且在观测间隙期间，高优先级天区的延迟仅数小时。

ABSTRACT

We describe a new microlensing-event alert algorithm that is tailored to the Korea Microlensing Telescope Network (KMTNet) multi-observatory system. The algorithm focuses on detecting "rising" events, i.e., events whose brightness is increasing as a function of time. The algorithm proceeds in three steps. It first identifies light curves with at least $N_{ m high}$ points that are at least $3σ$ above the median and that had been taken since shortly before the previous search for new events. It then demands that there are at least $N_{ m high}$ $ extit{consecutive}$ high points when considering any combination of light curves from one, two, or three observatories. Finally, it fits to a "rising microlensing model" consisting of a broken line, i.e., flat before some time $t_{ m rise}$ and rising linearly afterward. If this fit is better than a flat line by $Δχ^2>Δχ^2_{ m thresh}$, the light curve is sent for human review. Here, $(N_{ m high},Δχ^2_{ m thresh})=(5,250)$ or $(10,400)$, depending on the field cadence. For 2018, KMTNet alerts will initially be restricted to a few northern bulge fields and may gradually extend to the full northern bulge. Further expansion of coverage is expected in 2019.

研究动机与目标

• 开发一种专为KMTNet多站点微引力透镜监测系统量身定制的高效实时警报算法。
• 在达到最大放大之前检测‘上升’微引力透镜事件——即亮度正在增加的事件，以实现最优后续观测。
• 在计算和天气相关限制下，最小化警报延迟并保持多台望远镜的高观测频率。
• 通过及时检测对行星信号和微引力透镜视差敏感的事件，支持高精度后续观测。
• 确保警报的快速传播，以促进地面和空间望远镜的后续观测，包括斯皮策望远镜的观测。

提出的方法

• 该算法首先利用前一搜索窗口的数据，识别出至少有$N_{\rm high}$个点超过中位数$3\sigma$的光变曲线。
• 要求在KMTC、KMTS、KMTA三个KMTNet望远镜中的任意一个、两个或三个组合中，至少出现$N_{\rm high}$个连续的高点。
• 对光变曲线拟合一个分段线性模型：在$t_{\rm rise}$之前为平坦段，之后为线性上升段，以代表一个上升的微引力透镜事件。
• 通过$\Delta\chi^{2} > \Delta\chi^{2}_{\rm thresh}$将该拟合与平坦线模型进行比较；若显著，则将事件标记为需人工审查。
• 阈值设定为$(N_{\rm high}, \Delta\chi^{2}_{\rm thresh}) = (5,250)$或$(10,400)$，具体取决于天区的观测频率。
• 系统优先处理高优先级天区的警报，并在天气干扰期间高效处理积压任务，高优先级天区的延迟极小。

实验结果

研究问题

• RQ1 如何在计算资源有限的情况下，高效地在多台望远镜中实时检测上升的微引力透镜事件？
• RQ2 哪些标准可确保在高频率、多站点数据中可靠检测微引力透镜事件，同时最小化误报？
• RQ3 当某一或多个站点因天气原因导致观测中断时，系统如何维持近乎实时的警报？
• RQ4 在多个站点同时遭遇恶劣天气期间，该算法在多大程度上能恢复丢失的警报？
• RQ5 该算法是否可扩展以检测纯粹下降的事件或具有复杂光变曲线形状的事件，且计算开销无显著增加？

主要发现

• 该算法利用分段线性模型成功检测到具有高灵敏度的上升微引力透镜事件，该模型能有效拟合光变曲线的上升阶段。
• 2018年，警报最初仅限于少数北部银心天区，预计2019年将扩展至整个北部银心区域。
• 在观测间隙期间，系统维持近乎实时的警报，最高优先级天区（如BLG14）的延迟仅为半天左右，低优先级天区的延迟最长可达一天。
• 系统通过优先处理高优先级天区并利用KMTNet三个望远镜之间的天气差异，有效管理了计算积压。
• 该算法在灵敏度与计算效率之间实现了良好平衡，即使在观测高峰期也能实现实时警报。
• 未来潜在的升级可通过修改算法以检测纯粹下降的事件来恢复遗漏的事件，且计算成本极低。