[论文解读] VAST - a real-time pipeline for detecting radio transients and variables on the Australian SKA Pathfinder (ASKAP) telescope

J. Banyer, Tara Murphy+1 more|arXiv (Cornell University)|Jan 15, 2012

Radio Astronomy Observations and Technology被引用 7

一句话总结

本文提出 VAST，一种用于澳大利亚平方公里阵列探路者（ASKAP）望远镜的实时流水线，用于检测射电暂现源和变源。该流水线每5秒处理8GB图像立方体，每平方度测量约100个源，以监测变异性并利用光曲线检测暂现源，通过VOEvent发送警报，从而实现对伽马射电暴余晖到极端散射事件等现象的发现。

ABSTRACT

The Australian SKA Pathfinder (ASKAP) is a next generation radio telescope currently under construction in Western Australia. The fast survey speed and wide field of view make it an ideal instrument for blind transients searches. The ASKAP Variable and Slow Transients (VAST) survey is a one of the major science programs planned for ASKAP. The scientific goals of VAST include the detection and characterisation of a wide range of transient and variable phenomena, from gamma-ray burst afterglows to extreme scattering events, on timescales of 5 seconds or longer. We describe the data and processing challenges involved in running the VAST real-time transient detection pipeline. ASKAP will produce 2.5 GB of visibility data per second, transformed into one 8GB image cube every 5 seconds. Each cube will contain approximately twenty 100 megapixel images with 100s of radio sources detected in each epoch. The VAST pipeline will measure and monitor all of these sources, detect variables and transients and generate alerts using the VOEvent framework. The goal of the VAST Design Study is to develop a prototype pipeline to establish and demonstrate the functionality of the final ASKAP pipeline. We give an overview of the prototype pipeline's functionality, technical implementation and current status.

研究动机与目标

• 开发一种实时流水线，用于在 ASKAP 的宽场高速巡天数据中检测瞬变和变源。
• 解决每秒处理2.5 GB可见度数据并每5秒生成8GB图像立方体的挑战，同时保持高源测量吞吐量。
• 通过在多个观测历元中监控每秒约3,000个源的光曲线，实现实时暂现和变源检测。
• 构建一个可扩展、模块化的系统原型，支持未来的 ASKAP 运行，并可应用于其他射电望远镜（如 MWA、VLA 和 ATCA）。
• 建立基于 VOEvent 的警报生成功能框架，并通过与外部星表交叉匹配验证检测结果。

提出的方法

• 流水线每5秒处理一个8GB图像立方体，每个立方体包含5个频段和4个极化状态下的约20 × 100兆像素图像。
• 采用自定义源探测器在每幅图像中检测并测量源，对重叠源区域的定位、流量和尺寸测量具有更高的准确性。
• 通过缓存的位置查找实现源关联，将检测结果与已知源的主列表关联，从而降低计算负载。
• 通过将测量的源参数与已充分表征的参考源参数进行比较，执行图像质量控制。
• 通过汇总每个源在所有历元中的流量测量值构建光曲线，从而实现变异性与暂现源的检测。
• 在质量控制和交叉匹配之后，应用机器学习对检测到的暂现源和变源进行分类，并通过 VOEvent 发送社区警报。

实验结果

研究问题

• RQ1 如何高效地在高数据量、宽场的 ASKAP 探测数据中实现实时检测和分类射电暂现源与变源？
• RQ2 需要哪些计算与数据处理策略来应对每秒2.5 GB的可见度数据输入，并每5秒生成8GB图像立方体？
• RQ3 在密集场中如何优化重叠源的源检测与测量，以实现最小延迟？
• RQ4 缓存的源关联在每秒处理12,000次源测量时，对保持高吞吐量起到了何种作用？
• RQ5 如何将机器学习与基于 VOEvent 的警报机制集成到可扩展的暂现天文学流水线中？

主要发现

• VAST 原型能够实时处理 FITS 图像，即使在源重叠区域也能以高精度检测和测量源。
• 流水线实现了每秒约12,000次源测量，支持每秒对约3,000个源进行监测，覆盖每5秒立方体中的20幅图像。
• 通过将源参数与一组已充分表征的参考源进行比较，实现了图像质量控制，支持自动校准检查。
• 原型通过使用当前场中已知源的缓存列表，支持动态圆锥搜索，降低了延迟并提高了效率。
• 系统成功实现了暂现源检测、分类和基于 VOEvent 的警报发送，并提供网络界面用于可视化及与外部星表的交叉匹配。
• 该原型已在 MWA、ATCA、VLA 和 SKAMP 的数据上得到验证，证明其在 ASKAP 之外也具有广泛适用性。