返回
Smart Source Detection Framework for Lobster Eye Telescopes
DOI:10.3847/1538-4365/ae092b.png)
摘要
En 中文
龙虾眼望远镜旨在捕捉来自广阔视场范围内天体的X射线辐射。然而,这些望远镜独特的光学系统导致探测器平面上形成十字形图案,从而增加了天体检测的复杂性。虽然机器学习推动了相关算法的发展,但实际应用仍面临观测条件变化等挑战,通常需要手动调整算法参数。仅依赖二维形态特征进一步限制了检测效率,因为能量分布和时变特性未被考虑。本文介绍了一种基于深度神经网络的创新源检测框架,提出三项进展:首先,采用Swin Transformer高效检测亮源;其次,利用神经网络从整合空间与能量信息的3D数据立方体中识别普通源;第三,在3D框架内设置自适应神经网络分支,自动调整阈值以分类真实源,适应观测条件变化。在模拟数据上的应用显示,该框架对亮度超过0.5 mCrab的目标实现了超过95%的精度和超过60%的召回率。在“爱因斯坦探针”搭载的广域X射线望远镜13,469张实际观测图像上的测试表明,与当前数据处理流程相比,准确率从79%提升至82%,检测到的源数量增加了27%。该源检测框架及其在选定天区生成的星表已向社区公开,以供进一步应用。
期刊
T
IF:
0
论文数:
139
被引数:
0
机构
引用论文
THE NUCLEAR SPECTROSCOPIC TELESCOPE ARRAY (NuSTAR) HIGH-ENERGY X-RAY MISSION核光谱望远镜阵列 (NuSTAR) 高能x射线任务

