Gamma-Ray瞬变的Agile报警系统

Zwicky瞬变设施天文事件警报的现象学分类

Phenomenological classification of the Zwicky Transient Facility astronomical event alerts

Zwicky Transient Facility（ZTF）是一种最先进的光学机器人巡天仪，在每个晴朗的夜晚都会记录大约一百万个瞬态事件，例如超新星爆炸，可变源的亮度变化或移动物体探测，并生成相关的实时警报。我们提出了警报分类人工智能（ACAI），这是一个用于ZTF警报现象学分类的开源深度学习框架。ACAI使用一组五个二进制分类器来描述对象的特征，结合警报经纪人提供的辅助/上下文事件信息，为针对不同科学案例定制的警报流过滤提供了强大的工具，包括早期识别类超新星和异常的瞬时事件。我们报告ACAI在生产环境中部署的头几个月的性能。

2021-11-23astro-ph.IM

警报异常检测器（AHA）：在ZTF暂现警报流中进行异常检测

Anomaly Hunter for Alerts (AHA): Anomaly Detection in the ZTF Transient Alert Stream

Breakthrough Listen, Department of Physics, University of Oxford（牛津大学物理系突破聆听项目）；Department of Physics, University of Oxford（牛津大学物理系）；SETI Institute（SETI研究所）；Berkeley SETI Research Center, University of California, Berkeley（加州大学伯克利分校伯克利SETI研究中心）；Astrophysics Research Centre, School of Mathematics and Physics, Queen’s University Belfast（贝尔法斯特女王大学数学与物理学院天体物理研究中心）

AHA通过自编码器检测ZTF警报流中的异常暂现体和超新星，识别87个候选对象，具有高效的数据利用和高召回率。

2026-02-13astro-ph.HEastro-ph.IMastro-ph.SR

计划对CCAT进行短暂警报随访

Transient Alert Follow-up Planned for CCAT

CCAT是一个亚毫米望远镜，将建在智利的Cerro Chajnantor，靠近ALMA基地。远程位置意味着所有的观测都将由远程观测者完成，未来的目标是使用动态调度器进行完全自主的观测。完全自主的观察模式提供了一种自然的方式，用于接受瞬时警报通知，以便立即跟进。

2014-02-05astro-ph.IM

ELEPHANT：用于无宿主星系天文暂现源的河外警报流水线

ELEPHANT: ExtragaLactic alErt Pipeline for Hostless AstroNomical Transients

提出无宿主天文暂现源河外警报流水线 ELEPHANT，利用 Fink 获取 ZTF 警报并结合图像分析技术筛选候选体，发现不到 2% 的暂现源可能无宿主，为河外事件过滤与后续研究提供了有效工具。

2024-04-28astro-ph.HEastro-ph.IM

4 Pi Sky Transient Alerts Hub

The 4 Pi Sky Transient Alerts Hub

我们介绍了4 Pi Sky 'hub'，这是一个开放式数据服务和底层软件包的集合，用于快速，全自动报告和响应天文瞬时警报。这些包建立在成熟的“VOEvent”标准化消息格式之上，旨在提供一个分散和开放的基础设施来处理瞬时警报。特别是我们提请注意voeventdb的初始版本，这是一个存档和远程查询服务，允许天文学家对瞬时警报进行历史查询。通过使用空间过滤器和引文网络查找，voeventdb能够交叉匹配瞬时警报，将多个来源的数据汇集在一起，并在规划新的后续活动时提供参考点。我们还强调了最近从ASASSN和GAIA项目添加到我们的VOEvent分发流的光学瞬态馈送。实现这些服务的源代码和部署脚本都是免费提供的，并得到许可，目的是其他团队可以使用它们来实现本地或特定于项目的VOEvent存档。在描述这些软件包的过程中，我们提供了一个基本的入门知识，包括对VOEvent标准的简要介绍。

2016-06-12astro-ph.IM

兹威基临时设施警报分配系统

The Zwicky Transient Facility Alert Distribution System

Zwicky瞬态设施（ZTF）调查为在其广域调查中发现的光学瞬态、变量和移动物体生成实时警报。我们描述了ZTF警报流分发和处理（过滤）系统。该系统使用了业界现有的开源技术：实时流媒体平台Kafka和二进制序列化格式Avro。该系统中使用的技术为ZTF用例提供了许多优点，包括（1）用于分发机制的内置复制、可伸缩性和流倒带;（2）具有严格强制模式和动态类型的结构化消息，用于快速解析;以及（3）基于Python的流处理接口，其类似于用于熟悉且用户友好的插件过滤器系统的批处理，所有这些都在模块化，主要是集装箱系统。生产部署已成功支持每晚流式传输多达120万个警报或大约70 GB的数据，每个警报可在警报候选产品的大约10秒内提供给消费者。据观察，数据传输率约为每分钟80，000个警报。在本文中，我们讨论了这种警报分发和处理系统，框架技术选择的设计动机，生产性能，以及该系统如何适用于其他警报流用例，包括即将到来的大型综合巡天望远镜。

2019-02-06astro-ph.IM

用于LSST警报流实时分类的基于机器学习的代理

Machine Learning-based Brokers for Real-time Classification of the LSST Alert Stream

大型综合巡天望远镜（LSST）将发现前所未有的瞬时事件数量和速率，这要求天文学界更新其后续范式。警报经纪人--一个自动化的软件系统，用于筛选、描述、注释和优先处理后续事件--将是LSST时代管理警报流的关键工具。Arizona-NOAO时间分析和事件响应系统（ANTARES）就是这样一个代理。在这项工作中，我们开发了一个机器学习管道，仅使用可用的多波段光学光度学来表征和分类可变和瞬态源。我们描述了三个说明性的阶段的管道，服务于三个目标的早期，中期和回顾性分类的警报。第一种形式是变量与瞬态分类，第二种是组合变量和瞬态数据集的多类类型，第三种是瞬态类的纯度驱动子类型。虽然几个类似的算法已经证明了自己在模拟中，我们验证了他们的表现在真实的观察第一次。我们对来自各种现有观测活动的稀疏，不均匀采样，异方差数据进行了定量评估，并展示了非常有竞争力的分类性能。我们描述了我们的进展适应管道开发这项工作的实时经纪人工作的实时警报流从时域调查。

2018-01-22astro-ph.COastro-ph.HEastro-ph.IM

使用$\texttt{AMPEL}$进行瞬态处理和分析：警报管理、Photometry和光变曲线评估

Transient processing and analysis using $\texttt{AMPEL}$: Alert Management, Photometry and Evaluation of Lightcurves

多信使天文学和新的高通量宽场调查都需要灵活的工具来选择和分析天体物理学瞬变。我们在这里介绍的警报管理，光度测定和评估的光曲线（AMPEL）系统，分析框架，专为高通量调查和适合流数据。AMPEL将警报代理的功能与能够托管用户贡献的代码的通用框架相结合，该框架鼓励起源并跟踪瞬态显示的不同信息状态。后一个概念包括随着时间的推移收集的信息和数据策略，如访问或校准级别。我们描述了一种新的正在进行的实时多信使分析，使用AMPEL冰立方中微子数据相结合的警报流的Zwicky瞬态设施（ZTF）。我们还重新处理了前四个月的ZTF公共警报，并比较了200多个不同的瞬态选择函数的收益率，以量化选择报告给瞬态名称服务器（TNS）的Ia型超新星的效率。我们强调三个渠道适合（1）收集一个完整的样本的河外瞬变，（2）立即跟进附近的瞬变和（3）后续运动针对年轻的，河外瞬变。我们确认ZTF的完整性，所有的TNS超新星位于活跃的CCD区域被检测到。AMPEL可以帮助实时过滤瞬态，运行警报反应模拟，重新处理完整的数据集以及瞬态数据的最终科学分析。本文介绍了用户如何设计自己的通道，以包含在AMPEL实时实例中，该实例解析ZTF流，并向TNS实时提交高质量的河外超新星候选者。

2019-06-11astro-ph.COastro-ph.IM

深度学习异常检测方法在AGILE反符合系统中识别伽马射线暴的初步结果

Preliminary Results of a Deep Learning Anomaly Detection Method to Identify Gamma-Ray Bursts in the AGILE Anticoincidence System

AGILE是2007年发射的一项太空任务，旨在研究X射线和伽马射线天文学。AGILE团队开发了实时分析管道，以检测伽马射线暴（GRB）等瞬态现象，并对其他设施收到的外部科学警报做出反应。AGILE反符合系统（ACS）包括五个面板（四个侧面，一个在顶部），围绕AGILE探测器以拒绝背景带电粒子。它还可以探测能量范围为50 - 200 KeV的硬X射线光子。ACS数据的采集产生每个面板的时间序列。这些时间序列可以合并成一个单一的多变量时间序列（MTS）。在这项工作中，我们提出了一种新的深度学习模型，用于ACS生成的MTS中的GRB检测，使用异常检测技术。该模型使用深度卷积神经网络自动编码器架构实现。我们使用从AGILE ACS数据中随机提取的MTS数据集，使用无监督学习算法训练模型。自动编码器的重建误差被用作异常分数来分类MTS。如果异常分数高于预定义阈值，则MTS被标记为GRB。使用包含GRB的MTS列表来评估训练模型。测试证实了该模型检测瞬态事件的能力，提供了一种新的有前途的技术来识别ACS数据中的伽玛暴，可以在AGILE实时分析管道中实现。

2023-02-21astro-ph.HEastro-ph.IM

来自盖亚的光度学科学警报

Photometric Science Alerts from Gaia

盖亚是欧洲航天局的基石任务。从2013年底开始，它将开始收集我们银河系大约10亿颗恒星的极好的天体测量，光度和光谱数据。在测量整个天空到V= 20等的同时，盖亚将探测物体的瞬变和异常行为，为整个天文学界提供近乎实时的警报。盖亚应该探测到大约6000颗超新星、1000次微透镜事件和许多其他有趣类型的瞬变。由于其机载低色散光谱仪，瞬态分类将是鲁棒的，确保低误报率。我们描述了光度学科学警报系统的操作，概述了科学的可能性，并在任务的最初几个月，当警报管道的结果需要验证时，邀请合作在地面后续盖亚警报。

2012-10-20astro-ph.IM

ANTARES：一个原型的瞬态代理系统

ANTARES: A Prototype Transient Broker System

Arizona-NOAO时间分析和事件响应系统（ANTARES）是国家光学天文台和亚利桑那大学计算机科学系的一个联合项目。目标是建立必要的软件基础设施，以处理和过滤时域调查产生的警报，这些警报的最终来源是大型综合巡天望远镜（LSST）。ANTARES经纪人将通过使用外部来源的信息（例如来自整个电磁波谱的先前调查）对警报进行注释来增加警报的价值。此外，注释警报的时间历史将提供进一步的注释以供分析。这些警报将通过一系列过滤器来选择感兴趣的候选人。对于原型，“有趣”被定义为最罕见或最不寻常的警报，但未来的系统将适应多种过滤目标。该系统设计灵活，允许用户在整个过程中的多个点访问流，并在必要时插入自定义过滤器。我们描述了ANTARES的基本架构和原则，将指导开发和实施。

2014-08-29astro-ph.IM

AGILE数据中心及其遗留产品

The AGILE Data Center and its Legacy

我们概述了主要的AGILE数据中心活动和架构。AGILE是意大利航天局（意空局）与意大利航天研究所、意大利航天研究所、意大利航天研究所联合合作的一项空间飞行任务，有几家意大利航天工业公司参加。AGILE卫星于2007年4月23日发射，致力于观测30 MeV - 50 GeV能量范围内的伽马射线宇宙，同时具有18-60 keV波段的X射线成像能力。AGILE数据中心是意大利航天局多任务空间科学数据中心（SSDC，以前称为ASDC）的一部分，负责所有科学操作：数据管理，存档，AGILE数据和科学软件的分发以及用户支持。由于其天空监测能力和快速地面部分警报系统，AGILE正在大大提高我们对伽马射线天空的了解，并为引力波和中微子的多信使后续行动做出重要贡献

2019-11-27astro-ph.IM

Daksha：警惕高能瞬变源

Daksha: On Alert for High Energy Transients

本文介绍拟议的高能瞬变源任务 Daksha：通过两颗低轨卫星和三类探测器实现 1 keV 至 >1 MeV 全天监测，快速发布瞬变警报并服务于引力波对应体、伽马射线暴等多类科学研究。

2024-01-27astro-ph.HEastro-ph.IM

利用Lasair从Rubin警报流中开展科学研究

Enabling Science from the Rubin Alert Stream with Lasair

本文介绍了英国LSST暂现源警报社区代理系统Lasair的功能、实现与使用方式，其支持用户构建警报过滤器、共享资源及实时机器通知，且已通过ZTF警报流验证成熟性。

2024-04-12astro-ph.IM

SNGuess：一种选择年轻河外瞬变的方法

SNGuess: A method for the selection of young extragalactic transients

Humboldt-Universität zu Berlin（柏林洪堡大学）；Stockholm University（斯德哥尔摩大学）；California Institute of Technology（加州理工学院）；Deutsches Elektronen-Synchrotron（德国电子同步加速器研究所）

随着天文学中检测到的瞬变数量迅速增加，越来越多地采用基于机器学习的分类方法。他们的目标通常是获得一个明确的分类瞬态，并为良好的性能，他们通常需要一个大的观察集的存在。然而，精心设计的目标模型可以用更少的计算资源达到其分类目标。本文介绍了SNGuess，一个模型，旨在寻找年轻的河外附近的瞬变与高纯度。SNGuess使用一组可以从天文警报数据有效计算的特征。这些特征中的一些是静态的并且与警报元数据相关联，而其他特征必须根据警报中包含的光度观测来计算。大多数特征都足够简单，可以在检测到瞬态后的生命周期的早期阶段获得或计算。我们计算这些功能的一组标记的公共警报数据在15个月的时间跨度从Zwicky瞬态设施（ZTF）。SNGuess的核心模型由一组决策树组成，这些决策树通过梯度提升进行训练。SNGuess从2020年4月至2021年8月的ZTF警报中提出的候选者中，约有88%被发现是真正的相关超新星（SNe）。对于具有明亮检测的警报，该数字范围在92%和98%之间。自2020年4月以来，SNGuess在ZTF警报流中识别为潜在年轻SNe的瞬变被发布到AMPEL_ZTF_NEW组标识符下的瞬变名称服务器（TNS）。ZTF观察到的任何瞬态的SNGuess分数都可以通过Web服务访问。SNGuess的源代码是公开的。

2022-08-13astro-ph.IMcs.LG

一种新的深度学习方法在AGILE/GRID天空地图中检测和定位GRB的初步结果

Preliminary Results of a New Deep Learning Method to Detect and Localize GRBs in the AGILE/GRID Sky Maps

AGILE是意大利航天局于2007年发射的一项空间飞行任务，目的是研究能量范围从$\sim20$ keV到$\sim10$ GeV的X射线和伽马射线现象。AGILE团队开发了一个实时分析管道，用于快速检测瞬态源，并跟踪通过通用坐标网络等网络收到的外部科学警报。我们开发了一种新的深度学习方法，用于检测和定位AGILE/GRID天空地图中的伽马射线暴（GRB）。我们使用带有GRB的天空地图训练模型，该地图在距离地图中心20度的半径内模拟，这大于GRBWeb目录中存在的99.5%的误差区域。我们还计划将这种方法应用于寻找引力波事件的对应物，这些事件通常具有更宽的定位误差区域。该方法包括两个深度学习模型，使用两个卷积神经网络实现。第一个模型检测和过滤包含伽玛射线暴的天空地图，而第二个模型定位其位置。我们使用模拟数据训练和测试模型。检测模型的准确率达到95.7%，定位模型的平均误差小于0.8度。我们配置了一个Docker容器，其中包含数据模拟所需的所有软件，并使用Amazon Web Service进行部署，以计算不同条件下的p值分布。通过p值分布，我们可以计算检测的统计显著性。

2023-02-21astro-ph.HEastro-ph.IM

H.E.S.S.瞬态跟踪系统

The H.E.S.S. transients follow-up system

对天体物理瞬变的观测带来了许多新的发现，并为在宇宙极端条件下工作的物理过程提供了新的见解。对可变物体进行多波长和多信使观测，需要有专门的程序和后续系统，能够消化外部警报并作出反应，以执行协调一致的后续活动。这种跟踪系统的主要功能是处理、过滤和排列输入警报，根据为仪器定制的观察策略全自动快速执行观察，以及实时数据分析，并向操作员和其他仪器提供反馈。H.E.S.S.自2003年成立以来一直在寻找瞬态现象。本文介绍了H.E.S.S.的瞬态跟踪系统。于2016年投入运营系统允许H.E.S.S.进行一个更通用的，优化的，在很大程度上自主的瞬态后续程序，结合所有主要功能在一个系统的方法。我们总体描述了后续系统的设计、中心功能和接口，并详细描述了其三个主要组件：机会目标（ToO）警报系统、数据采集和中央控制系统以及实时分析。我们强调架构决策和功能，使全自动的ToO后续行动，并指出子系统的关键性能指标。我们讨论了系统的能力，并强调需要一个微调的不同子系统的相互作用，以快速，可靠地作出反应。从后续系统的开发，整合和运作中吸取的经验教训进行审查，在这个令人兴奋的新时代的相互操作的天文学的新的和大型的科学基础设施和相关的挑战。

2022-07-28astro-ph.HEastro-ph.IM

生命超越PTF

Life Beyond PTF

2017年3月，Intermediate Palomar Transient Factory（iPTF）停止运营。我借此机会回顾iPTF及其前身调查Palomar Transient Factory（PTF）的科学成果，并总结经验教训。帕洛玛天文台48英寸施密特望远镜上的iPTF的继任者是Zwicky Transient Facility（ZTF），这是一项新的调查，调查速度快了一个数量级，现在正在委托。我描述了ZTF的设计和科学原理。ZTF正在对大型天气巡天望远镜（LSST）正在探索的新警报流技术进行原型设计，以每晚向下游科学用户分发数百万个瞬时警报。我描述了警报系统的设计，并在更广泛的LSST和社区经纪人生态系统的背景下讨论它。

2018-02-28astro-ph.IM

面向多信使瞬变源的RADAR自主射电后随观测：从警报解析到推断与观测调度

Toward Autonomous Radio Follow-up of Multi-messenger Transients with RADAR: From Alert Parsing to Inference and Observation Scheduling

The University of Chicago（芝加哥大学）；Argonne National Laboratory（阿贡国家实验室）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

本文扩展了RADAR框架，通过基准测试三种大语言模型、引入40倍加速的并发似然评估，并实现LLM驱动的观测调度，推动引力波射电后随观测走向自主化。

2026-09-17astro-ph.HEastro-ph.IM

ALeRCE Broker系统的警报分类：实时标记分类器

Alert Classification for the ALeRCE Broker System: The Real-time Stamp Classifier

Millennium Institute of Astrophysics (MAS)（千年天体物理研究所）；Universidad de Chile（智利大学）；Universidad Adolfo Ibañez（阿道夫·伊巴涅斯大学）；Data Observatory（数据观测台）

我们提出了一个实时邮票分类的天文事件的ALERCE（自动学习的快速分类事件）经纪人。该分类器基于卷积神经网络，对从Zwicky Transient Facility（ZTF）摄取的警报进行训练。仅使用第一次检测的\textit{science, reference}和\textit{difference}图像作为输入，连同警报的元数据作为特征，分类器能够在平衡测试集中以高准确度（$\sim$ 94\%）正确地对来自活动星系核、超新星（SNe）、变星、小行星和伪类的警报进行分类。为了找到和分析我们的分类器从ZTF警报流中选择的SN候选者，我们设计并部署了一个名为SN Hunter的可视化工具，其中显示了有关每个可能SN的相关信息，供专家在候选者中选择报告给临时名称服务器数据库。从2019年6月26日到2021年2月28日，我们已经报告了6846个SN候选者（平均每天11.8个候选者），其中971个已被光谱确认。我们仅使用单次检测报告对象的能力意味着70%的报告SNe发生在第一次检测后的一天内。ALERCE只报告了其他小组没有检测到或选择的候选者，因此将新的早期瞬变添加到可用于早期随访的大部分对象中。我们的工作代表了下一代大光学扩展量望远镜（如Vera C。鲁宾天文台。

2021-06-03astro-ph.HEastro-ph.IMcs.LG

引力波触发器的SkyMapper光学跟踪：警报科学数据管道和LIGO/Virgo O3运行

SkyMapper Optical Follow-up of Gravitational Wave Triggers: Alert Science Data Pipeline and LIGO/Virgo O3 Run

我们提出了一个概述的SkyMapper光学后续计划的引力波事件触发器从LIGO/处女座天文台，其目的是在识别早期的GW170817-like千新星到$\sim 200$兆秒差距的距离。我们描述了我们的机器人设施快速瞬态后续，它可以针对大部分的天空在$δ<+10°$的深度为$i_\mathrm{AB}\approx 20$ MAG。我们已经实现了一个新的软件管道接收LIGO/处女座警报，调度观测和检查传入的实时数据流的瞬态候选人。我们采用基于集成的机器学习技术的真假分类器，在整个幅度范围内实现了高完整性（$\sim$ 98%）和纯度（$\sim$ 91%）。应用进一步的滤波来去除常见的图像伪影和已知的瞬变源，如小行星和变星，将候选星的数量减少了10倍以上。我们证明了系统的性能与GW190425，一个二元中子星合并在LIGO/室女座O3观测活动期间检测到的数据。在LIGO/Virgo O4运行的时间内，我们将获得更深的参考图像，允许瞬态检测到$i_\mathrm{AB}\approx $ 21 MAG。

2021-04-01astro-ph.IM

Fink，LSST社区的新一代经纪人

Fink, a new generation of broker for the LSST community

Fink是一个经纪人，旨在使科学与大型时域警报流，如即将到来的Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）它展示了传统的天文学代理功能，例如自动摄取，注释，选择和重新分配瞬变科学的有前途的警报。它还旨在通过提供实时瞬态分类来超越传统的经纪人功能，并通过使用最先进的深度学习和自适应学习技术不断改进。这些不断发展的附加值将使LSST光度数据在各种科学案例中的科学输出更加准确，同时也会导致伴随调查演变的新发现的发生率更高。在本文中，我们介绍Fink，它的科学动机，架构和当前状态，包括使用Zwicky Transient Facility警报流的第一个科学验证案例。

2020-12-16astro-ph.HEastro-ph.IM

基于机器学习的盖亚科学警报中的灾难性变量搜索

Machine Learning based search for Cataclysmic Variables within Gaia Science Alerts

宽场时域设施通过差分成像检测大量瞬态事件。例如，Zwicky Transient Facility每晚会产生数十万个瞬变事件的警报，这一速度与即将到来的Vera Rubin天文台相比相形见绌。因此，机器学习（ML）提供的自动化对这些事件进行分类并选择最有趣的来源进行后续观察是必要的。激变变星（CV）是一种数量众多、明亮且邻近的瞬变变星，为研究吸积和双星演化提供了极好的实验室。在这里，我们专注于我们使用ML来识别由盖亚科学警报计划（GSA）发布的瞬态源的光度数据的CV-一个大的，容易访问的资源，没有充分利用ML。使用光变曲线特征提取技术和来自盖亚调查的源元数据产生了一个随机森林模型，该模型能够将CV与超新星，活动星系核和年轻恒星物体区分开来，精确度为92%，命中率为85%。在GSA内没有指定瞬态分类的13，280个源中，我们的模型预测了$\sim$ 2800的CV类别。光谱观测正在进行中，以分类这些目标的统计学显著样本，以验证模型的性能。这项工作使我们走上了一条从未来的广泛调查（如空间和时间的遗产调查）中对罕见CV亚型进行分类的道路。

2022-10-04astro-ph.GAastro-ph.IMastro-ph.SR

AAS2RTO: 从自动警报流到实时观测：为LSST时代的瞬变天体快速后续观测做准备

AAS2RTO: Automated Alert Streams to Real-Time Observations: Preparing for rapid follow-up of transient objects in the era of LSST

本研究推出Python工具AAS2RTO，采用贪心算法结合多维度得分排序瞬变观测候选目标，适配LSST时代海量瞬变源发现需求，已验证其在Ia型超新星后续观测优先级筛选中的有效性。

2025-01-12astro-ph.IM

一种集成经纪人的算法用于O4a和O4b运行中引力波-电磁对应体搜索

A Broker Integrated Algorithm for Gravitational Wave - Electromagnetic Counterpart Searches in O4a and O4b Runs

Universidad de Chile（智利大学）；Data and Artificial Intelligence Initiative (IDIA), Faculty of Physical and Mathematical Sciences, Universidad de Chile（智利大学物理与数学科学学院数据与人工智能倡议(IDIA)）；Centro de Excelencia en Astrofisica y Technologia Afines（天体物理学及相关技术卓越中心）；Millennium Institute of Astrophysics（天体物理学千年研究所）；Center for Mathematical Modeling, Universidad de Chile（智利大学数学建模中心）；Physik-Institut, Universität Zürich（苏黎世大学物理研究所）；Pontificia Universidad Católica de Chile（智利天主教 Pontificia 大学）

本文提出一种自动化框架，利用ZTF警报通过ALeRCE经纪人搜索LIGO-Virgo-KAGRA引力波超事件的光学对应体，通过机器学习和光谱交叉匹配识别潜在的双黑洞并合候选体。

2026-03-04astro-ph.HEastro-ph.IM

Astro-COLIBRI --多信使天体物理实时查询符合库

Astro-COLIBRI -- The COincidence LIBrary for Real-time Inquiry for multimessenger astrophysics

Astro-COLIBRI是一种新颖的工具，它实时评估瞬态观测的警报，根据用户指定的标准对其进行过滤，并将其放入多波长和多信使环境中。通过快速生成持续源以及相关相空间中的瞬态事件的概览，Astro-COLIBRI有助于增强瞬态天空的偶然和后续观测的发现潜力。该软件的架构包括一个具象状态转移应用程序编程接口，一个静态和实时数据库，一个基于云的警报系统，以及一个网站和应用程序的iOS和Android作为客户端的用户。后者提供了有关数据摘要的图形表示，以便能够快速识别感兴趣的现象，并评估世界各地大量观测站的观测条件。

2021-09-03astro-ph.HEastro-ph.IM

H.E.S. S中的引力波警报后续策略。多信使框架

Gravitational wave alert follow-up strategy in the H.E.S.S. multi-messenger framework

H.E.S.S.高能伽马射线天文台自2014年初以来一直是Virgo/LIGO电磁后续工作的成员。它的瞬态跟踪研究能力得益于其大视野、快速响应时间和高灵敏度。从其他科学案例，如伽马射线暴和高能中微子后续行动的经验，我们展示了高的前景，为新类型的分析，如寻找引力波同行和研究的多信使信号从二进制中子星合并。本文旨在介绍H.E.S.S.天文台将在引力波天文台发出警报后进行。我们将讨论几个关键点，如使用来自星系目录的信息，天空区域随时间变化的可见性和引力波不确定性地图的自动处理，这将使指向方向的优化选择成为可能。最后，基于模拟的中子星合并，概述的引力波警报观测的性能。

2017-05-29astro-ph.HEastro-ph.IM

探测AGILE gamma-ray源短期变率的极大似然法评价

Evaluating the Maximum Likelihood Method for Detecting Short-Term Variability of AGILE gamma-ray Sources

AGILE空间任务（其仪器在18-60 keV和30 MeV - 50 GeV的能量范围内敏感）自2007年以来一直在运行。评估100 MeV以上伽马射线源时间变异性的统计意义是AGILE数据分析的主要任务。特别是，重要的是要检查仪器的灵敏度方面的泊松建模的数据背景，并确定试验后的检测置信度。这项工作的目标是：（i）评估分布的似然比测试的“空”字段，并为银河平面的区域;（ii）计算在多个时间间隔的错误检测的概率。在本文中，我们详细描述了用于搜索短期变化的AGILE伽马射线源数据库中的技术。我们描述了用于分析AGILE数据的分箱极大似然方法，以及支持统计分析表征的数值模拟。我们将我们的方法应用于银河系和银河系外的瞬变，并提供了一些例子。在检查了真实AGILE数据测试的统计描述的可靠性后，我们获得了盲源和特定源搜索的p值分布。我们应用我们的结果来确定试验后的统计意义的检测瞬态伽马射线源的试验前的值。我们的分析结果允许精确确定AGILE检测到的γ射线源的试验后意义。

2012-01-12astro-ph.IM

切伦科夫望远镜阵列天文台的瞬变源处理器研究

On the Transients Handler for the Cherenkov Telescope Array Observatory

本文研究切伦科夫望远镜阵列天文台的瞬变源处理器，该子系统负责过滤海量警报、优化机会目标观测调度并对外广播事件，文中介绍了其架构、最新改进与未来更新。

2025-09-23astro-ph.IM

机器学习在 ZTF 警报流中发现激变变星的应用

Machine Learning applications for Cataclysmic Variable discovery in the ZTF alert stream

本文面向 ZTF 瞬变警报流构建两阶段 CV 发现流水线，结合过滤、XGBoost 分类与 GTM 特征分析，实现不同激变变星类别的识别并获得 51 个候选体。

2023-12-09astro-ph.HEastro-ph.IMastro-ph.SR

Euclid：一个自动系统，用于将Rubin暂现警报匹配到Euclid观测

Euclid: An automated system to match Rubin transient alerts to Euclid observations

Euclid系统通过自动匹配Rubin暂现警报与Euclid观测，提升暂现源检测和超新星时间约束，以及宿主形态测量精度。

2026-02-20astro-ph.IM

使用 Astro-COLIBRI 开展公民科学时域天文学研究

Citizen Science Time Domain Astronomy with Astro-COLIBRI

本文介绍 Astro-COLIBRI 平台如何实时汇聚全球瞬变天文事件警报，并为业余天文学家和公民科学家提供亮事件筛选、自定义位置及引力波光学对应体观测计划等功能。

2023-09-26astro-ph.HEastro-ph.IM

用于高能瞬态事件关联的AFISS网络平台

The AFISS web platform for the correlation of high-energy transient events

在多信使时代，设施通过通用坐标网络等网络与科学界分享其结果，以研究瞬态现象（例如，伽马射线暴），并实施实时分析管道，以检测瞬态事件，对从其他天文台收到的科学警报作出反应。瞬态事件的快速分析对于探测引力波和中微子候选事件的对应物至关重要。在这方面，从观测同一瞬态事件的不同高能卫星收集科学结果是提高高能候选事件统计意义的关键一步。该项目旨在开发一个系统和一个网络平台，以便在有国家航空航天研究所参与的高能卫星（AGILE、FERMI、INTEGRAL和SWIFT）之间共享瞬时事件的信息和科学成果。AFISS平台实施COMET VO-事件代理，并提供一个门户网站，用户可在其中直观地看到由多信使设施检测到并通过全球通信网络接收的瞬时事件清单。门户网站可以为每个事件显示实时分析管道共享的科学结果摘要和与时间相关的瞬态事件列表。此外，该平台已准备好接收参与机构关于亚阈值事件（STE）的结果，这些结果由于统计显著性低而无法与社区共享。如果该平台发现两个或多个STE之间的时间相关性，它可以将其提升为科学警报。网络界面显示了可能与其他STE或科学警报时间相关的STE列表。当接收到新的瞬态事件时，平台用电子邮件通知用户。

2023-03-15astro-ph.IM

RAPID：使用深度学习对爆炸瞬变进行早期分类

RAPID: Early Classification of Explosive Transients using Deep Learning

University of Cambridge（剑桥大学）；Space Telescope Science Institute（太空望远镜科学研究所）；Kavli Institute for Cosmology（卡夫利宇宙学研究所）；Stockholm University（斯德哥尔摩大学）；University of Toronto（多伦多大学）

我们提出了RAPID（实时自动光度识别），一种新的时间序列分类工具，能够自动识别从初始警报的一天内的瞬态，光变曲线的整个生命周期。使用具有门控递归单元（GRU）的深度递归神经网络，我们提出了第一种专门用于提供天文时间序列数据早期分类的方法，分为12个不同的瞬态类。我们的分类器可以处理具有任何相位覆盖的光变曲线，并且它不依赖于从数据中导出计算昂贵的特征，使得RAPID非常适合处理正在进行和即将进行的宽场调查（如Zwicky Transient Facility（ZTF）和大型综合巡天望远镜（LSST））将产生的数百万警报。随着更多的光度数据变得可用，分类精度在瞬态的生命周期内提高，并且在12个瞬态类中，我们分别在早期和晚期获得了0.95和0.98的接收器工作特性曲线下的平均面积。我们证明了RAPID的能力，有效地提供早期的ZTF数据流中观察到的瞬态分类。我们已经将RAPID作为一个开源软件包（https：//www.example.com）提供给基于机器学习的警报代理，用于在几秒钟内对数千条光变曲线进行自动快速分类。astrorapid.readthedocs.io

2019-10-07astro-ph.HEastro-ph.IMcs.LG

用于gamma-ray实时分析软件开发的RTAPipe框架

The RTApipe framework for the gamma-ray real-time analysis software development

在多信使时代，为了研究瞬变现象（例如伽马射线暴），必须协调各天文设施之间的观测工作，这是通过伽玛射线坐标网等网络与科学界分享信息来实现的。这些设施通常开发实时科学分析管道，以检测瞬态事件，向天体物理界发出警报，并加快对其他天文台发出的科学警报的反应时间。在这项工作中，我们提出了RTAPipe框架，旨在促进目前和未来的伽马射线观测站的实时科学分析管道的发展。该框架提供了流水线架构和自动化，使研究人员能够专注于科学方面，并整合使用不同技术开发的现有科学工具。在数据采集过程中，管道自动执行所有配置的分析。该框架可与科学警报网络连接，对其他设施共享的瞬时事件进行后续分析。这些分析是并行进行的，可以按优先顺序进行。工作负载在机器集群上是高度可伸缩的。该框架使用容器化技术提供所需的服务，便于部署。我们介绍了为AGILE空间任务开发的RTA管道和为地基未来切伦科夫望远镜阵列天文台开发的SAG系统原型，证实了RTA管道框架可用于成功开发伽马射线天文台的管道，无论是空间还是地基。

2023-02-26astro-ph.HEastro-ph.IM

ALeRCE 光变曲线分类器：潮汐瓦解事件扩展包

ALeRCE light curve classifier: Tidal disruption event expansion pack

本文更新了 ALeRCE 光变曲线分类器，新增潮汐瓦解事件子类，通过 24 个新特征和扩展标记集，以 91% 召回率识别 TDE，并提升整体分类性能。

2025-03-25astro-ph.HEastro-ph.IM

利用多模态对Zwicky瞬变设施发现的瞬变和变星进行实时分类

Leveraging Multimodality for Real-Time Classification of Transients and Variables found by the Zwicky Transient Facility

Department of Physics and Astronomy, Northwestern University（西北大学物理与天文学系）；Center for Interdisciplinary Exploration and Research in Astrophysics (CIERA)（天体物理跨学科探索与研究中心）；NSF-Simons AI Institute for the Sky (SkAI)（NSF-西蒙斯天空人工智能研究所）；School of Physics and Astronomy, University of Minnesota（明尼苏达大学物理与天文学学院）；Division of Physics, Mathematics, and Astronomy, California Institute of Technology（加州理工学院物理、数学与天文学部）

针对时域巡天中实时分类的挑战，本文提出ORACLE-2模型，结合光变曲线、元数据和图像进行多模态层次分类，在ZTF数据上宏F1达0.73，较仅用光变曲线提升40%。

2026-07-02astro-ph.HEastro-ph.IMcs.LG

为LSST警报作准备的时域新事物的分类算法：对银河系隆起中用DECam探测的变星和瞬变的应用

A classification algorithm for time-domain novelties in preparation for LSST alerts: Application to variable stars and transients detected with DECam in the Galactic Bulge

随着大型综合巡天望远镜（LSST）的出现，时域天文学将面临前所未有的数据量和数据速率。实时处理这种大规模调查所发现的变量和瞬变现象，对于查明更不寻常的事件和有效分配稀缺的后续资源至关重要。我们开发了一种算法，以确定这些新的事件在一个给定的人口的变量源。对于给定的通带f，pf（dm），我们确定了幅度变化（dm）在时间间隔（dt）上的分布|dt），并使用这些分布来计算测试源与总体一致或离群值的可能性。我们通过将其应用于Saha等人（2019年）在银河系隆起中识别的2000多颗变星的DECam多波段时间序列数据来证明我们的算法，这些恒星主要由长周期变星和脉动星主导。我们的算法在样本中发现了18个异常源，包括一个微透镜事件，一颗矮新星和两颗色球活跃的RS CVn星，以及在颜色-星等图的蓝色水平分支区域中没有任何已知对应物的源。我们比较了我们的算法的性能与多变量KDE和隔离森林的模拟PLASTiCC数据集上的新颖性检测。我们发现，我们的算法产生可比的结果，尽管它的简单。我们的方法提供了一个有效的方法，标记最不寻常的事件在实时警报代理系统。

2020-02-25astro-ph.IMastro-ph.SR

盖亚科学警报的第一年

First year of the Gaia Science Alerts

自2014年中期以来，盖亚任务每天提供数百万次对整个天空的观测。其中我们搜索瞬时事件，例如，在我的演讲中，我描述了用于异常检测的近实时盖亚数据处理管道，展示了2014/2015年的第一批科学结果，并描述了用于盖亚警报的光度和光谱后续行动的地面网络的组织。

2016-01-14astro-ph.COastro-ph.IM

NAPTIME：用于鲁宾警报分类的神经过程框架

NAPTIME: A Neural-Process Framework for Rubin Alert Classification

University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Delaware（特拉华大学）

研究针对鲁宾天文台警报分类，提出NAPTIME神经过程框架，直接对不规则多波段光变曲线建模，结合多种信息。在两个模拟基准上评估，该框架为类似鲁宾的瞬变分类提供实用概率框架，对潮汐瓦解事件候选恢复也有效。

2026-10-20astro-ph.IM

关于Gaia Alerts在20个问题中

Around Gaia Alerts in 20 questions

盖亚是欧洲航天局（欧空局）的天体测量空间任务，也是欧空局依巴谷任务的继承者。盖亚的主要目标是收集天空中最亮的10亿个天体的高精度天体测量数据（即位置，视差和自行）。这些数据，再加上从同一个观测平台收集的多波段、多时期的光度和光谱数据，将使天文学家能够重建银河系的形成历史、结构和演化。盖亚将对整个天空进行为期5年的观测，为发现大量瞬态和异常事件提供了独特的机会，例如超新星，新星和微透镜事件，伽玛射线暴余辉，后备超新星以及其他理论或意外现象。光度学科学警报小组的任务是早期检测、分类和及时发布盖亚数据流中的异常源。在本文中，我们讨论了我们在准备使用盖亚搜索光波长的瞬态现象时所面临的挑战。

2011-12-01astro-ph.IM

切伦科夫望远镜阵列天文台的科学警报生成系统

The Science Alert Generation system of the Cherenkov Telescope Array Observatory

切伦科夫望远镜阵列（CTA）天文台在北半球和南半球都有数十台望远镜，将成为最大的地面伽马射线天文台，并将提供从20 GeV到300 TeV的广泛能量覆盖。大的有效面积和视场，加上快速回转能力和前所未有的灵敏度，使CTA成为未来地基伽马射线天文学的关键仪器。为了最大限度地提高科学回报，该阵列将对瞬变和可变现象（例如，伽马射线暴、活动星系核、伽玛射线双星、偶然来源）发出警报。向社区进行快速有效的沟通需要一个可靠的自动化系统来检测和发布候选科学警报。这种自动化将通过CTA天文台的关键系统科学警报生成（SAG）管道来完成。SAG是阵列控制和数据采集（ACADA）工作组的一部分。SAG工作组开发了管道，以执行数据重建，数据质量监控，科学监控和实时警报发布，并在观测期间向ACADA的瞬态监测功能发出警报。SAG是在数据采集后进行第一次实时科学分析的系统。系统在多个时间尺度上执行分析（从秒到小时）。\abrb{SAG must issue candidate science alerts within}从数据采集开始20秒，灵敏度至少为CTA标称灵敏度的一半。这些具有挑战性的要求必须通过管理来自阵列的数十kHz的触发速率来满足。因此，必须设计和测试专用和高度优化的软件和硬件架构。在这项工作中，我们提出了ACADA-SAG系统的总体架构。

2021-08-10astro-ph.IM

微小的时间序列Transformer：使用深度模型压缩的天文瞬变的低延迟高吞吐量分类

The Tiny Time-series Transformer: Low-latency High-throughput Classification of Astronomical Transients using Deep Model Compression

University College London（伦敦大学学院）；Université Paris-Saclay（巴黎萨克雷大学）；The Alan Turing Institute（艾伦·图灵研究所）

天文学的一个新的黄金时代即将到来，由数据主导。大型天文调查正在以前所未有的速度传播信息，这要求机器学习作为现代科学管道中的关键组成部分来处理大量数据。即将到来的空间和时间遗产调查（LSST）的维拉C。鲁宾天文台将提高时域天文学的大数据标准，预计每晚将发出1000万次警报，并在调查的整个生命周期内生成许多PB的数据。对于时间紧迫的事件，需要快速有效的分类算法，这些算法可以实时操作，但又可靠和准确，因为在这些事件中，可以寻求额外的资源进行后续分析。为了处理这些数据，最先进的深度学习架构以及利用现代硬件加速器的工具是必不可少的。我们展示了如何使用现代深度压缩方法可以实现模型大小的$18\times$减少，同时保持分类性能。我们还表明，除了深度压缩技术，仔细选择文件格式可以提高推理延迟，从而提高警报的吞吐量，在本地处理的顺序为$8\times$，并在现场生产环境中的$5\times$。为了在现场环境中测试这一点，我们将原始时间序列Transformer的优化版本t2部署到FINK的社区警报经纪系统中，对真实的Zwicky Transient Facility（ZTF）警报数据进行分析，并将吞吐量性能与FINK中存在的其他科学模块进行比较。本文所示的结果强调了时间序列Transformer在LSST规模及以上的实时分类中的适用性，并引入了深度模型压缩作为改进深度学习模型的部署能力和可扩展推理…

2023-03-15astro-ph.IMcs.LG

RTAPiple，一个开发天文管道以实时分析科学数据的框架

RTApipe, a framework to develop astronomical pipelines for the real-time analysis of scientific data

在多信使时代，天文学项目通过不同的通信网络分享有关瞬变现象的信息，向科学界发出科学警报。这种协调对于理解这些物理现象的本质是必不可少的。因此，天体物理项目依赖于实时分析软件管道来尽快识别瞬变（例如伽马射线暴），并加快外部警报的反应时间。这些管道可以通过伽马射线坐标网络共享和接收科学警报。这项工作提出了一个框架，旨在简化实时科学分析管道的开发。该框架提供了开发实时分析管道所需的架构和自动化，使研究人员能够更多地关注科学方面。该框架已成功地用于开发实时管道，对AGILE空间任务数据进行科学分析。计划在Super-GRAWITA和AFISS项目中重新使用这一框架。切伦科夫望远镜阵列（CTA）项目未来可能的用途正在评估中。

2021-05-18astro-ph.IM

利用中微子目标调度器（NuTS）对高能瞬变源进行后续观测调度

Scheduling follow-up observations of energetic transients with the neutrino target scheduler (NuTS)

Colorado School of Mines（科罗拉多矿业学院）；Laboratoire Univers et Particules de Montpellier（蒙彼利埃宇宙与粒子实验室）；University of Chicago（芝加哥大学）；University of Iowa（爱荷华大学）；NASA Goddard Space Flight Center（美国宇航局戈达德太空飞行中心）；Columbia University（哥伦比亚大学）

该研究开发了中微子目标调度器（NuTS）软件，用于调度平流层气球等任务对高能瞬变源的后续观测，将用于2028年的POEMMA气球飞行任务，未来将扩展至各类任务。

2026-08-05astro-ph.HEastro-ph.IM

卫星闪烁对ZTF尺度瞬变科学的影响

Impact of satellite glints on the transient science on ZTF scale

数以千计的活跃人造物体正在绕地球轨道运行，同时还有更多的非运行物体-受损卫星或火箭体、碰撞碎片或航天器有效载荷，其中很大一部分尚未编目。它们都会影响地面望远镜对天空的观测，产生大量污染图像的条纹，并产生错误的警报，阻碍对新的天体物理瞬变的搜索。虽然前一个对天文学的威胁现在在迅速增长的卫星巨型星座方面得到广泛讨论，但后一个-虚假瞬变现象-仍然缺乏同样程度的关注。在这项工作中，我们评估了卫星闪烁的影响-太阳光从旋转卫星的平面反射产生的快速闪光-对当前和未来的深空调查，如由Zwicky瞬态设施（ZTF）和Vera Rubin天文台遗产调查的空间和时间（LSST）进行的调查。为此，我们提出了一个简单的程序，检测，在一个单一的曝光，一系列重复的闪光沿轨迹，否则看不见的卫星，并描述其实施FINK警报经纪人。将该程序应用于ZTF警报流显示，在2019年11月至2021年12月期间，约有73，000个单独事件污染了所有ZTF科学图像的3.6%，并与各种轨道上的300多个不同的闪烁卫星有关，从低地球到地球静止轨道。单个闪光的时间尺度短至$0.1$ - $10^{-3}$秒，瞬时亮度为4- 14级，峰值幅度至少为2- 4级，闪光活动的时间模式通常很复杂。我们预计LSST将看到更多这样的卫星闪烁，甚至更大的振幅，由于其更好的灵敏度。

2022-02-11astro-ph.EPastro-ph.IM

发现发光事件的神经引擎（NEEDLE）：从宿主星系图像中实时识别罕见瞬变候选体

NEural Engine for Discovering Luminous Events (NEEDLE): identifying rare transient candidates in real time from host galaxy images

本文提出混合分类器 NEEDLE，融合瞬变图像、警报测光和宿主星系信息，实时筛选 SLSNe 与 TDEs，并将部署于 Lasair。

2023-12-08astro-ph.COastro-ph.HEastro-ph.IM

AMPEL工作流用于LSST：模块化且可复现的实时光度分类

AMPEL workflows for LSST: Modular and reproducible real-time photometric classification

本文介绍AMPEL工具集及其三个通道（SNGuess、FollowMe、FinalBet），用于LSST实时光度分类，基于ELAsTiCC模拟验证，实现高效、可复现的瞬变源发现、无偏样本选择及分类，支持FAIR原则。

2025-01-27astro-ph.COastro-ph.IM

来自中子星双星合并的射电瞬变

Radio transients from neutron stars binary mergers

我们讨论了可能的无线电爆发，可以产生在双中子星合并与短伽马射线暴。由于无线电信号在星系间介质中传播的时间延迟，低频无线电波段似乎是有利的，这使得有可能使用短伽马射线暴警报，通过低频无线电仪器，特别是LOFAR搜索天空中的特定区域。LOFAR的灵敏度将允许以每年约25个事件的速率显著检测到红移z~0.3的此类爆发。

2010-04-29astro-ph.COastro-ph.HEastro-ph.IM

调谐到空间频率空间：ZTF警报流中的卫星与空间碎片检测

Tuning into spatial frequency space: Satellite and space debris detection in the ZTF alert stream

针对ZTF警报中卫星及碎片复杂特征漏检问题，本文在ALeRCE分类器中引入差值图像FFT通道，显著提升小视场压缩场景下的检测准确率。

2025-04-08astro-ph.IM

用于 ATLAS API 的 Python 客户端

A Python client for the ATLAS API

本文介绍一款面向 ATLAS REST API 的 Python 客户端，用于连接机器人程序与科研人员，支持警报排序及潜在目标后续观测触发。

2025-06-06astro-ph.IM

用VO研究时域

Using the VO to Study the Time Domain

正如天文学的“时域”是一组涉及从太阳系到宇宙学尺度的所有天体物理学体系中的时变现象的不同科学目标的流行语一样，“虚拟天文台”也是一组复杂的全社区活动，从档案到天体信息学。本次研讨会涉及了适应和发展这些语义和网络技术，以解决瞬态和时域研究的挑战的一些方面。它讨论了用于表示天体瞬变事件警报和报告的VOEvent格式、用于分发这些警报的SkyAlert和ATELstream设施以及VAO提供的IVOA时间序列协议和时间序列工具。这些工具和基础设施今天可以满足天文学家的实际需求。

2012-01-03astro-ph.IM

对勘测瞬变进行自主实时科学驱动的跟踪

Autonomous real-time science-driven follow-up of survey transients

天文观测继续为时变的宇宙提供前所未有的见解，并将在未来几年内继续成为突破性发现的来源。然而，它们的数据吞吐量已经超过了人工综合警报的能力，无法以有限的资源设计和协调必要的后续行动。鲁宾天文台的出现，在其他稀疏的节奏下，警报量高出一个数量级，迫切需要彻底改革现有的以人为本的协议，以支持机器指导的基础设施，以进行科学推理和优化规划昂贵的后续观测。我们提出了第一个实现自主实时科学驱动的后续使用值迭代进行序贯实验设计。我们证明它的战略光度增强Zwicky瞬态设施Ia型超新星光变曲线的目标，最大限度地减少SALT 2参数的不确定性。我们发现，与随机增强相比，SALT 2参数的中值改善为2-6%，光度红移为3-11%，g，r和/或i中有2-7个额外的数据点。增强自动制定策略，以完成间隙并解决具有高约束力的相位（例如，峰周围）。我们认为，这样的技术可以提供更高的影响，在鲁宾天文台的时代，在高红移精密宇宙学，可以作为通用资源分配系统的发展的基础。

2022-01-26astro-ph.IM

盖亚测光科学警报

Gaia Photometric Science Alerts

自2014年7月以来，盖亚任务一直在对整个天空进行高空间分辨率，时间分辨率，精确，准确的天体测量和光度测量。目的：我们介绍盖亚科学警报项目，该项目自2016年6月1日以来一直在运作。我们描述的系统已经开发，使发现和出版的瞬态测光事件所看到的盖亚。研究方法：我们概述了数据处理，定时和性能，我们描述了瞬态检测算法和过滤程序需要管理的高误报率。我们确定了两类事件：（1）对盖亚来说是新的源，（2）经历了显着的增亮或褪色的盖亚源。对盖亚凌日天体测量和测光进行了验证，然后对源环境进行了测试，以尽量减少来自太阳系天体、明亮恒星和较暗近邻的污染。结果：我们表明，盖亚科学警报项目受到非常低的污染，也就是说，几乎没有假阳性。我们发现超新星的外部完整性，$C_E=0.46$，是由盖亚扫描定律和检测的要求，从两个领域的观点。在我们有两次或两次以上扫描的地方，内部完整性是$C_I=0.79$，距离星系中心3角秒或更大，但它下降得更近，特别是在1角秒内。结论：在$G=13$和$G=19$中，盖亚瞬变的过境光度测量精确度分别为1%和3%。与盖亚DR2相比，每次凌日的天体测量精确到55毫角秒。盖亚科学警报项目是目前运行中最均匀和最有成效的瞬变观测项目之一，也是唯一一个以高空间分辨率（亚弧秒）覆盖整个天空的观测项目，包括银河平面和凸起。

2021-06-02astro-ph.IM