Automated Machine Learning Pipeline: Large Language Models-Assisted Automated Dataset Generation for Training Machine-Learned Interatomic Potentials
NYU, Department of Chemistry（纽约大学化学系）；Initiative for Computational Catalysis, Flatiron Institute（计算催化计划，Flatiron研究所）；NYU, Department of Physics（纽约大学物理系）；Courant Institute of Mathematical Sciences, NYU（数学科学学院，纽约大学）；NYU-ECNU Center for Computational Chemistry（纽约大学-复旦大学计算化学中心）；Simons Center for Computational Physical Chemistry, NYU（Simons计算物理化学中心，纽约大学）
本文提出基于大语言模型的自动化机器学习流水线，用于生成训练数据集以提升机器学习互作用势的精度和稳定性。
2025-12-19 cond-mat.mtrl-sci cs.LG
A PRESTO-based Parallel Pulsar Search Pipeline Used for FAST Drift Scan Data
基于PRESTO（PulsaR Exploration and Search Toolkit）开发了一个脉冲星搜索管道。该流水线简单地在进程级并行运行去色散、FFT（快速傅立叶变换）和加速搜索，以缩短处理时间。通过两种并行策略，流水线可以大大缩短正常搜索和加速搜索的处理时间。该管道首先用PMPS（Parkes Multibeam Pulsar Survery）数据进行了测试，并发现了两个新的微弱脉冲星。该方法已成功应用于500米口径球面射电望远镜（FAST）漂移扫描数据的处理，至今已发现数十颗新的脉冲星。该管道仅基于CPU，可以轻松快速地部署在计算节点中，用于测试目的或数据处理。
2019-12-30 astro-ph.GA astro-ph.IM
A Processing Pipeline for High Volume Pulsar Data Streams
脉冲星数据分析管道历来由定制的软件系统组成，支持数据的离线分析。然而，现代数据采集系统正在使离线分析变得不切实际。它们通常会同时输出多个大容量数据流，从而显著提高数据捕获率。这导致大量数据的积累，而这些数据的保留成本高得令人望而却步。当离线分析由于成本原因变得不可行时，为了保持处理能力，需要转向在线数据处理。本文提出了四个贡献，促进这一转变方面的搜索无线电信标：i）它描述了现代脉冲星搜索科学的关键组成部分（非信号处理）流水线，ii）它检查通过现有工具实现在线脉冲星搜索的可行性，iii）识别并解释了阻止容易过渡到在线搜索的问题，以及最后iv）它提供了能够克服这些问题的新的原型管道的设计。使用商用现成（COTS）软件组件实现，可部署系统是开源的，简单的，可扩展的，生产成本低。它有可能实现脉冲星搜索平方公里阵列（SKA）的设计要求，通过模拟SKA负载下的测试说明。
2018-10-14 astro-ph.IM
GBD-DART-II: 175 MHz Polarimetric Observation of Pulsars from Gauribidanur and a New Pulsar Signal Processing Pipeline
The Christ (Deemed to be University), Bangalore.（基督大学（班加罗尔））；Raman Research Institute, Bengaluru, India.（拉曼研究所）
GBD-DART-II开发了新的脉冲星信号处理流水线，用于175 MHz观测脉冲星并进行偏振研究。
2026-01-31 astro-ph.HE astro-ph.IM
A multi-wavelength pipeline for pulsar searches
近年来的脉冲星研究表明，多波长方法比其他方法更能使脉冲星受益。卡利亚里天文台（INAF-OAC）是一个不断发展的设施，有一个年轻的小组致力于整个电磁波谱的脉冲星和快速瞬变研究。利用这一专业知识，我们致力于提供一套多波长软件和数据库，用于在撒丁岛射电望远镜（SRT）上观测银河系天体和致密天体。反过来，SRT的无线电脉冲星观测结果将以经过处理的格式提供给使用AGILE和费米伽马射线卫星的伽马射线搜索，在不久的将来，它们将与IXPE的偏振X射线观测结果相辅相成。
2019-04-04 astro-ph.IM
pinta: The uGMRT Data Processing Pipeline for the Indian Pulsar Timing Array
我们介绍pinta，用于减少升级后的巨型米波射电望远镜（uGMRT）原始脉冲星定时数据的管道，为印度脉冲星定时阵列实验开发。我们提供了一个详细的工作流程和使用的平塔，以及它的计算性能和RFI缓解特性的描述。我们还讨论了一种新的和独立的确定之间的相对时间偏移的不同的后端模式的uGMRT和解释的uGMRT观测频率设置，和他们的协议从工程测试中获得的结果。此外，我们证明了平塔的能力，以产生高精度的TOA使用PSR J1909-3744作为一个例子，可以产生的数据产品。这些结果对于使用uGMRT进行精确的脉冲星计时至关重要。
2021-04-16 astro-ph.HE astro-ph.IM
A real-time Automated Glitch Detection Pipeline at Ooty Radio Telescope
闪变是中子星内部超流现象的观测表现。本文的目的是描述一个自动毛刺检测流水线，它可以提醒观察员可能的实时检测旋转毛刺的雷达。在警报后，可以以更高的节奏监测雷达，以测量故障后恢复阶段。两种算法，即中位数绝对偏差（MAD）和多项式回归已被探索，以检测毛刺的实时性。流水线已被优化的帮助下，这两种算法的模拟定时残差。基于仿真，我们得出结论，多项式回归算法是显着更有效的实时毛刺检测。这条管道已经在一些公开的故障上进行了测试。这条管道目前在Ooty射电望远镜上实施。在即将到来的像SKA这样的大型望远镜时代，将定期观测数百颗脉冲星，这样的工具对于实时检测以及优化利用此类故障脉冲星的观测时间都很有用。
2021-07-09 astro-ph.IM
Coherent Search for Binary Pulsars across all Five Keplerian Parameters in Radio Observations using the template-bank algorithm
围绕白矮星和中子星运行的相对论双星已经提供了很好的引力测试。然而，尽管观测努力，围绕黑洞运行的脉冲星仍然难以捉摸。一个可能的解释是脉冲星的轨道运动在观测过程中改变了其明显的自旋频率，从而导致了极端的多普勒拖尾效应。这个问题的经典解决方案是假设在整个观测过程中加速度或加加速度是恒定的。然而，当观测样本占轨道的很大一部分时，这种假设就不成立了。这限制了搜索观察的长度，从而限制了它们的灵敏度。这为开发可以在更长时间的观测中找到紧凑双星的技术提供了强大的动力。在这里，我们提出了一个基于GPU的无线电脉冲星搜索管道，可以执行一个相干搜索的二元脉冲星直接搜索超过三个或五个开普勒参数使用模板银行算法。我们比较了从我们的管道与加速和加加速度搜索管道模拟脉冲星质量的黑洞二进制和观测PSR J 0737 - 3039 A的灵敏度。我们还讨论了计算的可行性，我们的管道无针对性的脉冲星调查和有针对性的搜索。我们的基准结果表明，在高时间分辨率宇宙脉冲星巡天中，对自旋周期为P $_{\rm spin} \geq 20 \rm ms$的P-BH双星进行覆盖3-10 T $\mathrm{_{obs}}$区域的圆轨道搜索是可行的。此外，椭圆轨道搜索球状星团中的P $_{\rm spin} \geq 20 \rm ms$恒星轨道的中等质量黑洞在5-10 T $\mathrm{_{obs}}$制度是可行的，观测时间短…
2021-12-22 astro-ph.IM
Recovering Intrinsic Pulsar Profiles and Scattering Parameters with a CLEAN-Based Algorithm for High-Precision Timing
Swinburne University of Technology（斯威本科技大学）；Indian Institute of Science Education and Research, Mohali（印度科学教育研究学院穆哈利分校）
本文提出一种基于CLEAN算法的高精度脉冲星轮廓和散射参数恢复方法，通过模拟测试验证其性能与局限性。
2025-11-27 astro-ph.IM
A GPU based single-pulse search pipeline (GSP) with database and its application to the commensal radio astronomy FAST survey (CRAFTS)
我们开发了一个基于GPU的单脉冲搜索管道（GSP），带有候选人归档数据库。GSP基于开源的脉冲星搜索和分析工具包（PRESTO）的基础设施，实现了去色散的GPU加速，并集成了候选存档数据库。我们应用GSP的数据流从射电天文学快速调查（CRAFTS），这导致了准实时处理。集成的候选数据库促进了多个机器学习工具的协同使用，从而提高了对诸如旋转无线电瞬变（RRAT）和快速射电暴（FRB）之类的无线电事件的有效识别。我们首先测试了飞行员CRAFTS观测与快速超宽带（UWB）接收器的GSP。GPS探测到了FAST-UWB覆盖的各个天空区域中的Parkes多波束脉冲星调查中已知的所有脉冲星。GSP还发现了13个新的卫星。我们测得GSP的计算效率比原始PRESTO快约120倍，比PRESTO的MPI并行版本快约60倍。
2021-10-25 astro-ph.IM
Improving pulsar search efficiency in next-generation pulsar surveys with artificial intelligence
National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）；School of Astronomy and Space Science, University of Chinese Academy of Sciences（中国科学院大学天文与空间科学学院）；Institute for Frontiers in Astronomy and Astrophysics, Beijing Normal University（北京师范大学前沿天文与天体物理研究所）；International Centre for Radio Astronomy Research (ICRAR), Curtin University（科廷大学国际射电天文研究中心）；Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心）；School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院）；Australian SKA Regional Centre (AusSRC), Curtin University（科廷大学澳大利亚SKA区域中心）；Department of Astronomy, School of Physics, Peking University（北京大学物理学院天文学系）
本文提出利用深度学习优化脉冲星搜索流水线，通过筛选快照候选体减少折叠时间，在基准和真实数据上实现约10至60倍加速及高准确率与召回率，可提升SMART及未来SKA巡天效率。
2025-11-10 astro-ph.IM
FIP-TOI: Fast Imaging Pipeline for Pulsar Localisation with a Transient-Oriented Radio Astronomical Imager
University of Oxford（牛津大学）；Silesian University in Opava（奥帕瓦西里西亚大学）；Mila - Québec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）；University of Cambridge（剑桥大学）；Special Astrophysical Observatory of the Russian Academy of Sciences（俄罗斯科学院特别天体物理观测站）
FIP-TOI通过结合SVD和GPU加速的TOI与FITrig检测器，实现脉冲星的快速高精度定位。
2026-08-18 astro-ph.IM
The High Time Resolution Universe Pulsar Survey -- XVIII. The reprocessing of the HTRU-S Low Lat survey around the Galactic centre using a Fast Folding Algorithm pipeline for accelerated pulsars
本研究使用FFA流水线重新处理了HTRU-S低纬度巡天数据，通过引入加速度搜寻优化了双星脉冲星探测，重新发现4颗已知脉冲星并新发现1颗大DM脉冲星PSR J1746-2829，证明了FFA在特定参数下优于FFT。
2023-10-21 astro-ph.HE astro-ph.IM
Pulsars Detection by Machine Learning with Very Few Features
South China Normal University（华南师范大学）
本研究提出基于网格搜索和递归特征消除的特征选择算法，在HTRU-S数据上仅用2-3个特征即实现99%召回率和低误报率，显著提升脉冲星检测性能。
2020-02-20 astro-ph.IM cs.LG
Insights into the Pulsar Timing Array hypothesis space
Auckland University of Technology（奥克兰理工大学）；University of Auckland（奥克兰大学）；Manly Astrophysics（曼利天体物理学）
该研究对比PPTA数据的两种处理管线，发现数据处理会改变脉冲星噪声假设的后验分布、提升太阳风探测灵敏度，揭示了模型竞争与退化，强调理解脉冲星噪声假设空间对引力波搜索的重要性。
2026-08-11 astro-ph.HE astro-ph.IM
QuickGWecc: Fast Bayesian pipeline for searching eccentric binaries in pulsar timing array data
Foundation for Research & Technology – Hellas（希腊研究与技术基金会）；University of Birmingham（伯明翰大学）；Indian Institute of Science Education and Research Thiruvananthapuram（印度科学教育与研究学院特里凡得琅分校）；Washington State University（华盛顿州立大学）
研究旨在在脉冲星计时阵列数据中搜索相对论偏心轨道上单个超大质量黑洞双星的连续引力波，提出快速有效的贝叶斯管道QuickGWecc，扩展QuickCW框架，通过特殊参数更新方式提高效率，经模拟数据集验证，使偏心双星搜索在计算上可行。
2026-07-29 astro-ph.HE astro-ph.IM
The First Pulsar Discovered by FAST
为了协助500米口径球面射电望远镜（FAST）的调试（Jiang et al. 2019），我们进行了脉冲星搜索，主要目标是开发和测试脉冲星数据采集和处理管道。我们测试并使用了三条管道，其中两条（P1和P2）用于搜索周期性特征信号，而另一条用于搜索明亮的单脉冲（P3）。在2017年8月22日的观测中发现了一颗脉冲星候选者，后来在2017年9月10日由帕克斯射电望远镜证实。这颗脉冲星被命名为PSR J1900-0134，是FAST发现的第一颗脉冲星。该脉冲星的脉冲周期为1.8 s，色散测量值（DM）为188\，pc\，cm $^{-3}$。
2019-03-15 astro-ph.IM astro-ph.SR
Pulsars with NenuFAR: backend and pipelines
NenuFAR（英语：New extension in Nançay upgrading LoFAR）是一个新的射电望远镜，在Nançay射电天文台的网站上开发和建造。它被设计用于观察从10到85 MHz的未开发频率窗口，在其整个带宽内提供高灵敏度。NenuFAR已于2019年7月开始其“早期科学”行动，其最终收集面积的58%可用。脉冲星是科学利用这一频率范围的主要课题之一，也是仪器方面的一个重要挑战。由于需要补偿星际介质和电离层对观测信号的影响，在这些频率上设计仪器是复杂的。我们的实时管道LUPPI（低频终极脉冲星处理仪器）能够处理高数据速率，并提供实时相干去色散，最低频率可达NenuFAR（10 MHz）。完整的后端功能，以及主要的脉冲星观测模式（折叠，单脉冲，波形和动态频谱）。这种仪器使我们能够在85 MHz以下的首次目标搜索中检测到172个干扰星，包括10个毫秒干扰星（其中6个是首次在100 MHz以下检测到的）。我们还介绍了一些NenuFAR在火星上的“早期科学”结果：本文对PSR B 1919 $+$ 21的发射剖面进行了高频率分辨率的测绘，并对PSR B 0809 $+$ 74的单脉冲子结构进行了详细的观测（43个事件/分钟），以及仪器非常好的计时性能的说明，使我们能够非常详细地研究色散测量变化。
2020-09-09 astro-ph.IM hep-ph physics.ins-det
SPINN: a straightforward machine learning solution to the pulsar candidate selection problem
我们描述了SPINN（使用神经网络的直接脉冲星识别），这是一种高性能的机器学习解决方案，用于处理来自脉冲星调查的越来越大的数据输出。SPINN已经在南部高时间分辨率宇宙（HTRU）调查的候选者上进行了交叉验证，并显示出可以识别调查数据中发现的每一颗已知脉冲星，同时保持0.64%的假阳性率。此外，它将99%的候选人排在前0.11%的候选人中，95%排在前0.01%的候选人中。结合PEASOUP管道（Barr等人，在编写中），它已经在HTRU的银河系中纬度区域的再处理中发现了四颗新的彗星，其中三颗的自转周期小于5毫秒。SPINN能够将目视检查的候选数量减少多达四个数量级，这使得它成为未来大规模脉冲星调查的一个非常有前途的工具。为了为脉冲星候选选择工具提供一个共同的测试基础并激发人们对其开发的兴趣，我们还公开了SPINN交叉验证的候选集。
2014-07-14 astro-ph.IM
The Northern High Time Resolution Universe pulsar survey: II. Single-pulse search set-up and simulations
Radboud University（拉德堡德大学）；Max-Planck-Institut für Radioastronomie（马克斯·普朗克射电天文研究所）；ASTRON, the Netherlands Institute for Radio Astronomy（荷兰射电天文研究所）；University of Manchester（曼彻斯特大学）
本文介绍了HTRU调查北部单脉冲搜索管道的设置与模拟，开发了新工具处理复杂频率-时间结构和RFI干扰，并检测到多个脉冲星和候选源。
2026-03-03 astro-ph.HE astro-ph.IM
A Real-time Coherent Dedispersion Pipeline for the Giant Metrewave Radio Telescope
在巨米波射电望远镜（GMRT）的脉冲星后端研制了一个全实时相干去色散系统。去色散管道使用现有GMRT软件后端（GSB）产生的单个相控阵电压束，在当前16 MHz和32 MHz的操作带宽下实时产生相干去色散强度输出。还对从记录在磁盘上的观测中获得的电压束数据进行了相干去分散处理。我们讨论了实时相干去色散系统的设计和实现，描述了优化管道性能的步骤。该管道目前在配备NVIDIA Tesla C2075 GPU的Intel Xeon X5550 CPU上运行，允许实时获得无分散、高时间分辨率的数据。我们说明了显着的改进，现有的非相干去色散系统在GMRT，并提出了一些初步的研究结果，使用该系统的脉冲星，展示了其作为一个有用的工具，低频脉冲星观测的潜力。我们描述了我们的实现的显着特点，比较它与其他最近开发的实时相干去色散系统。这种用于大型低频阵列仪器（如GMRT）的实时相干去色散管道的实施将使使用相干去色散的长期观测计划能够在天文台定期进行。我们还概述了这种管道的可能改进，包括升级后的GMRT的前景，它的带宽将比目前大10倍左右。
2015-09-01 astro-ph.IM
Software Data-Processing Pipeline for Transient Detection
虽然几个现有的和即将到来的望远镜的成像作为其主要模式，他们也有一个敏感的相控阵模式与多波束形成能力，使高时间分辨率研究的几种类型的对象，包括卫星。例如，潜在的宽频率覆盖范围，结合其收集区域，使MWA-LFD成为低频检测和研究瞬态和瞬态的独特仪器。拉曼研究所正在为此目的开发一个软件数据处理管道。我们描述的各种问题相关的检测策略，说明在低射频的实际数据。
2010-01-29 astro-ph.IM
The PALFA Survey: Going to great depths to find radio pulsars
正在进行的PALFA调查正在寻找银河平面（|b| < 5度，32 ° <1 ° < 77 °和168 < l < 214 °）使用安装在阿雷西博天文台的7波束接收机ALFA，在1.4 GHz上对无线电发射机进行了测试。截至2012年8月底，PALFA调查已发现100个毫秒级事件，其中包括17个毫秒级事件（P < 30 ms）。这些发现中有许多是具有最大DM/P比的毫秒星，证明PALFA调查能够探测银河系平面的毫秒星，其深度比以往任何调查都要大得多。这是由于该调查的高灵敏度，相对较高的观测频率，以及其高的时间和频率分辨率。最近，由于新的更灵敏的光谱仪，两个更新的互补搜索管道，在线协作工具的开发以及对新计算资源的访问，发现率有所增加。展望未来，重点已经转移到人工智能系统的应用，以识别脉冲星样的候选者，并开发一个改进的全分辨率管道，包括更复杂的无线电干扰抑制。新的管道将用于对已经采集的数据进行完整的第二次分析，并将应用于未来的调查观察。将介绍最近的发展概况和令人兴奋的发现的亮点。
2012-10-30 astro-ph.IM astro-ph.SR
The Southern-sky MWA Rapid Two-metre (SMART) pulsar survey -- I. Survey design and processing pipeline
本文介绍了SMART脉冲星巡天的设计与处理流水线，利用MWA大视场和电压捕获系统在140-170 MHz频段高效搜寻南天脉冲星，通过多阶段处理克服计算成本，模拟预测可发现约300颗新脉冲星。
2023-02-23 astro-ph.HE astro-ph.IM
SPICE: Scintillation Pipeline for Interferometric Candidate Extraction
National Centre for Radio Astrophysics（国家射电天文中心）；Tata Institute of Fundamental Research（塔塔基础研究所）
提出基于CASA的自动化管线SPICE，利用衍射星际闪烁特征从GMRT数据中识别脉冲星候选体，成功恢复已知脉冲星并验证闪烁参数。
2026-06-28 astro-ph.HE astro-ph.IM
Machine Learning for Nanohertz Gravitational Wave Detection and Parameter Estimation with Pulsar Timing Array
研究表明，脉冲星定时阵列的使用是在不久的将来探测极低频引力波最有潜力的方法之一。虽然PTAs捕获引力波的研究还未见报道，但已有许多相关的理论研究和有意义的探测极限。在这项研究中，我们专注于单个超大质量双黑洞的纳赫兹GWs。给定特定的参数（PSR J1909 $-$ 3744、PSR J1713 $+$ 0747、PSR J0437 $-$ 4715），可以模拟具有高斯白噪声的PTA中的相应GW $-$引起的定时残差。此外，我们报告的分类的模拟PTA数据和参数估计潜在的GW源使用机器学习的神经网络的基础上。作为一个分类器，卷积神经网络表现出较高的精度时，我们的模拟数据的组合信噪比$\geq$ 1.33。进一步，我们应用递归神经网络估计了源的啁啾质量（$\mathcal{M}$）和目标的光度距离（$\text{D}_{p}$），并应用贝叶斯神经网络（BNN）得到了啁啾质量估计的不确定度。对不确定性的了解对于天体物理观测是至关重要的。在我们的例子中，啁啾质量估计的平均相对误差小于$13.6\%$。虽然这些结果是针对模拟PTA数据实现的，但我们相信它们对于实现PTA数据分析的智能化处理具有重要意义。
2020-10-12 astro-ph.IM
Processing System for Coherent Dedispersion of Pulsar Radio Emission
本文介绍了一种利用相干解色散和二比特信号采样补偿算法转换VLBI观测数据的系统。相干去色散对于处理脉冲星观测以获得最佳时间分辨率是重要的，而信号采样的校正使得有可能摆脱干扰脉冲星衍射图案分析的一些寄生效应。已经建立了一个管道，使用开发的转换器和ASC软件相关器，这将允许重新处理射电天文脉冲星观测的所有存档数据，并进行搜索巨脉冲，这需要最佳的时间分辨率。
2023-03-30 astro-ph.IM
Separation of pulsar signals from noise with supervised machine learning algorithms
我们评估了四种不同的机器学习（ML）算法的性能：人工神经网络多层感知器（ANN MLP），Adaboost，梯度提升分类器（GBC），XGBoost，用于将脉冲星与射频干扰（RFI）和其他噪声源分离，使用从脉冲星搜索管线的后处理获得的数据集。该数据集以前用于基于SPINN的机器学习引擎的交叉验证，用于HTRU-S调查数据arXiv：1406.3627的再处理。我们使用合成少数过采样技术（SMOTE）来处理数据集中的高类别不平衡。我们报告了所有四种算法在非SMOTE和SMOTE数据集上的各种质量分数。对于所有上述ML方法，我们在非SMOTE和SMOTE情况下都报告了高精度和G均值。我们使用Adaboost，GBC和XGBoost研究了特征重要性，并从最小冗余最大相关性方法来报告算法无关的特征排名。从这些方法中，我们发现折叠轮廓的信噪比是最好的特征。我们发现，对于相同的召回值，所有ML算法报告的FPR都比arXiv：1406.3627中获得的相应FPR低一个数量级。
2018-02-10 astro-ph.HE astro-ph.IM
LeoNet: A Machine Learning Method for Binary Pulsar Classification
University of Oxford（牛津大学）；National Centre for Radio Astrophysics (NCRA)（国家射电天体物理学中心）
本文提出LeoNet卷积神经网络，利用十个可学习滤波器提取多普勒频移信号特征，在500秒模拟观测中使漏报率平均降低55.5%，处理速度较PRESTO提升约499倍，可用于实时双星脉冲星搜索。
2026-10-02 astro-ph.IM
The LOFAR Beam Former: Implementation and Performance Analysis
传统的射电望远镜使用大型的钢制碟形天线来观测射电源。LOFAR射电望远镜是不同的，它使用了成千上万个固定的、不可移动的天线，这是一种新颖的设计，有望在天文学领域进行突破性的研究。这些天线全方位地进行观测，而天空源则通过信号处理技术进行观测，该技术将来自所有天线的数据结合起来。LOFAR的另一个新功能是精心使用软件进行实时的信号处理，而传统望远镜使用定制的硬件。软件的使用使仪器本身更加灵活。然而，巨大的数据率（198 Gb/s的输入数据）和处理要求迫使使用一个超级计算机：我们使用IBM蓝色基因/P.本文提出了一个新的处理管道，统称为波束形成管道，大大提高了望远镜的功能。我们的第一条管道只能关联数据来创建天空图像，新的管道允许发现未知的恒星，观测已知的恒星，并（在未来）观测宇宙射线和研究瞬态事件。与传统望远镜不同，我们可以同时从数百个方向进行观察。这是有用的，例如，搜索天空中的新恒星。软件的使用使我们能够快速添加新功能，并适应新的见解，充分利用我们独特仪器的新颖功能和强大功能。我们还描述了我们的优化，以非常高的效率使用蓝色基因/P，最大限度地提高整个望远镜的有效性。全面的性能研究确定了我们系统的局限性。
2011-05-03 astro-ph.IM cs.DC
A simulation experiment of a pipeline based on machine learning for neutral hydrogen intensity mapping surveys
我们提出了一个基于机器学习算法的管道模拟实验，用于不同望远镜的中性氢（HI）强度映射（IM）调查。对HI信号、前景发射、仪器热噪声、强射频干扰（sRFI）和弱RFI（mRFI）进行了仿真。我们应用小批量K-Means算法识别sRFI，Adam算法去除前景和mRFI。结果表明，存在一个sRFI幅度阈值，超过该阈值，流水线的性能大大提高。在去除前景和mRFI时，我们的管道的性能被证明对望远镜的孔径几乎没有依赖性。此外，结果表明，有阈值的信号幅度从我们的流水线的性能开始迅速变化。我们将所有这些阈值视为信号幅度范围的边缘，在这些边缘中，我们的流水线可以正常工作。我们的工作首次探索了在IM调查管道中应用机器学习算法的可行性，特别是对于下一代望远镜的大型调查。
2022-09-13 astro-ph.IM
A Census of Southern Pulsars at 185 MHz
Murchison宽场阵列（MWA）及其最近开发的电压捕获系统（VPS）有助于在南半球以高时间和频率分辨率扩展脉冲星观测的低频范围，提供有关脉冲星和ISM的进一步信息。我们提出了一个初始的时间分辨人口普查的结果，已知的historicars使用MWA。为了显著降低处理负载，我们对来自128个MWA瓦片的检测到的功率进行非相干求和，这产生相干和的可达到灵敏度的约10%。这保留了大视场（在185 MHz时约为450 deg 2），允许同时观察多个反射器。我们开发了一个宽场脉冲星管道（WIPP），它处理每次观测的数据，并自动折叠位于光束内的每个已知脉冲星。迄今为止，我们已经探测到了50颗双星，其中6颗是毫秒双星。考虑到望远镜的灵敏度和处理数据的天空覆盖范围（~ 17，000 deg 2），这与我们的预期一致。对于10个卫星，我们提出了最低频率的检测公布。对于脉冲星的一个子集，我们通过将我们的数据与其他望远镜发布的轮廓相结合来呈现多频率脉冲轮廓。由于MWA是平方公里阵列（SKA）的低频前兆，因此我们使用普查结果预测，使用SKA-Low（SKA 1-Low）的第1阶段调查可能会检测到约9400个卫星。
2018-01-20 astro-ph.HE astro-ph.IM
Pulsar Candidate Identification Using Semi-Supervised Generative Adversarial Networks
机器学习方法越来越多地帮助天文学家识别新的射电望远镜。然而，它们需要大量的标记数据，这是耗时的生产和偏见。在这里，我们描述了一个半监督生成对抗网络（SGAN），它比使用大多数未标记数据集的标准监督算法实现了更好的分类性能。我们在仅100个标记候选人和5000个未标记候选人上训练的准确率和平均F分数为94.9%，而我们的标准监督基线分别为81.1%和82.7%。我们在一个更大的标记数据集上训练的最终模型实现了99.2%的准确率和平均F分数值以及99.7%的召回率。这种技术允许高质量的分类在早期阶段的脉冲星调查的新仪器时，有限的标记数据。我们开源了我们的工作，以及从高时间分辨率宇宙-南低纬度调查产生的新脉冲星候选数据集。这个数据集拥有任何公共数据集中最多的脉冲星检测，我们希望它将成为未来机器学习模型基准的宝贵工具。
2021-05-13 astro-ph.HE astro-ph.IM
A commensal Fast Radio Burst search pipeline for the Murchison Widefield Array
本文展示了基于 Murchison Widefield Array 实时非相干波束的快速射电暴共生搜索流水线，利用 FDMT 算法进行单脉冲搜索，通过脉冲星验证了其有效性，并估计升级后每年可探测到数次至数十次 FRB。
2024-01-09 astro-ph.HE astro-ph.IM
A novel single-pulse search approach to detection of dispersed radio pulses using clustering and supervised machine learning
我们提出了一种新的两阶段的方法，结合无监督和监督机器学习自动识别和分类无线电脉冲星搜索数据中的单脉冲。在第一阶段，我们确定天体物理脉冲候选人的数据，这是来自脉冲星阿雷西博L波段馈电阵列（PALFA）的调查，并包含47,042个独立的光束，作为试验单脉冲事件组（SPEGs）的聚类单脉冲事件和合并集群，落在预期的DM和天体物理脉冲的时间跨度。我们还提出了一个新的峰值评分算法，以确定天体物理峰值的S/N与DM曲线。此外，我们将在一致DM处检测到的SPEG分组，因为它们可能由相同的源发射。在第二阶段中，我们通过选择具有识别的SPEG的数据子集（使用阶段1程序）创建完全标记的基准数据集，提取其特征并手动标记单个SPEG，然后使用监督机器学习训练分类器。接下来，使用经过最佳训练的分类器，我们自动对完整数据集中识别的未标记的SPEG进行分类。为了帮助检查暗淡的SPEGs，我们开发了一种算法，搜索分组的SPEGs之间的潜在周期性。结果表明，采用SMOTE处理的RandomForest是最好的学习器，召回率为95.6%，假阳性率为2.0%。总的来说，除了来自基准数据集的所有60个已知样本外，该模型还发现了32个额外的样本（即，不包括在基准数据集中）已知的行星，以及几个潜在的发现。
2018-08-06 astro-ph.IM
BatAnalysis -- A Comprehensive Python Pipeline for Swift BAT Survey Analysis
针对Swift BAT巡天数据分析复杂且缺乏易用流水线的问题，提出开源Python包BatAnalysis作为HEASoftpy的封装，提供现代数据处理流水线，并通过分析Crab Pulsar等源验证其准确性，使约18年BAT巡天数据得以系统利用。
2023-06-28 astro-ph.HE astro-ph.IM
Applying saliency-map analysis in searches for pulsars and fast radio bursts
研究使用显着图分析来帮助搜索瞬态信号，例如快速射电暴和来自射电望远镜的单个脉冲。我们的目标是证明显着图提供了理解机器学习算法预测的方法，并且可以在用于搜索瞬态事件的流水线中实现。我们已经实现了一种新的深度学习方法来预测数据的任何部分是否包含瞬态事件。该算法已经使用真实和模拟数据集进行了训练。我们证明，该算法是能够识别这样的事件。通过使用显着图对输出结果进行视觉分析。我们发现，显着图可以产生任何瞬态功能的增强图像，而不需要去色散或去除射频干扰。这样的地图可以用来理解图像中的哪些特征用于做出机器学习决策，并可视化瞬态事件。尽管这里报告的算法是为了证明显着图分析，我们已经检测到，在档案数据中，一个单一的突发事件与分散测量$41$ \，厘米$^{-3}$ pc，这是不相关的任何目前已知的脉冲星。
2020-05-22 astro-ph.IM
Prospects for High-Precision Pulsar Timing with the New Effelsberg PSRIX Backend
自2011年初以来，PSRIX后端是Effelsberg 100米射电望远镜的主要脉冲星计时仪器。这种基于ROACH的新系统能够记录高达500 MHz的带宽，远远超过其前身Effelsberg-Berkeley脉冲星处理器（EBPP）。我们回顾了前四年的PSRIX定时数据的33个脉冲星收集的一部分，每月欧洲脉冲星定时阵列（EPTA）的意见。我们描述了自动化的数据分析流水线，ENUGuard，我们开发，以减少这些意见。我们还介绍了TOASTER，EPTA定时数据库用于存储定时结果，处理信息和观测元数据。使用这些新的工具，我们测量的相位平均通量密度在1.4 GHz的所有33个恒星。对于其中的7颗恒星，我们的通量密度测量是有史以来首次报道的值。对于其他26颗恒星，我们将我们的通量密度测量值与先前公布的值进行了比较。通过比较PSRIX数据与EBPP数据，我们发现可实现的信噪比提高约2-5倍，这转化为脉冲到达时间（TOA）精度提高约2-5倍。我们表明，这样的TOA精度的提高将提高随机引力波背景的灵敏度。最后，我们通过观察5 GHz和9 GHz下的几个毫秒周期振荡器（MSP）来展示新PSRIX后端的灵活性。出于我们的检测，我们讨论了潜在的补充现有的脉冲星定时阵列数据集与MSP监测活动在这些频率。
2016-01-22 astro-ph.IM astro-ph.SR
Searching for pulsars using image pattern recognition
在本文中，我们提出了一种新的人工智能（AI）程序，该程序使用深度神经网络的图像模式识别从最近的调查中识别卫星-PICS（基于脉冲星图像的分类系统）AI。人工智能模仿人类专家，通过从候选人中寻找模式来区分噪音和干扰。每个脉冲星候选者的信息被合成在四个诊断图中，这四个诊断图由多达数千个像素的图像数据组成。人工智能从每个候选人那里获取这些数据作为输入，并使用数千个这样的候选人来训练它的~9000个神经元。与其他使用预先设计的模式的脉冲星选择程序不同，PICS AI通过机器学习从一组人类标记的候选人中自学不同脉冲星的显著特征。该人工智能系统中的深度神经网络赋予其识别各种类型的谐波及其谐波信号的卓越能力。经过训练的AI的性能已经通过与训练集不同的大量候选人进行了验证。在这个完全独立的测试中，PICS在277个脉冲星相关候选者中排名第264位，包括所有56个先前已知的脉冲星，在90008个测试候选者中排名前961位（1%），仅缺少13个谐波。第一个非脉冲星候选者出现在187级，之后是45个脉冲星和141个谐波。换句话说，100%的候选人都排在所有候选人的前1%，而80%的候选人的排名高于任何噪音或干扰。随着时间的推移，随着更多的训练数据的积累，该系统的性能可以得到改善。该人工智能系统已被整合到PALFA调查管道中，迄今已发现六个新的卫星。
2013-12-18 astro-ph.IM
The NANOGrav Nine-Year Data Set: Noise Budget for Pulsar Arrival Times on Intraday Timescales
利用天文钟作为引力波实验的天体物理钟，要求尽可能高的计时精度。脉冲到达时间（TOA）受到脉冲星本身、沿视线穿过星际介质以及测量过程中发生的随机过程的限制。在秒到小时的时间尺度上，TOA方差超过由于加性噪声引起的模板拟合误差。我们评估贡献的总方差从两个额外的影响：振幅和相位抖动固有的单脉冲和变化的星际脉冲响应散射。这三种效应对时间、频率和脉冲信噪比具有不同的依赖性。我们使用来自北美纳赫兹观测站的37颗脉冲星的引力波数据来评估每个脉冲星对整个日内噪声预算的贡献。我们检测了22个脉冲的抖动，并估计我们的脉冲的均方根抖动的平均值为脉冲相位的$\sim 1\%$。我们研究抖动如何演变为频率的函数，并找到进化的证据。最后，我们比较我们的测量与以前的噪声参数估计和讨论的方法，以改善引力波检测管道。
2016-09-28 astro-ph.HE astro-ph.IM
The MeerKAT Pulsar Timing Array: First Data Release
我们目前的第一个2.5年的数据从MeerKAT脉冲星定时阵列（MPTA），MeerTime的一部分，MeerKAT大型调查项目。MPTA的目标是精确测量南半球可见的88个脉冲星的集合的脉冲到达时间，目的是作为国际脉冲星定时阵列的一部分，为搜索、探测和研究毫微微赫兹频率的引力波做出贡献。该项目使用MeerKAT望远镜，并使用L波段接收器以两周的典型观测周期运行，该接收器记录856-1712 MHz的数据。我们提供了一个全面的描述的观测系统，软件和管道使用和开发的MeerTime项目。作为本次数据发布的一部分，提供的数据产品来自于2019年2月至2021年10月MeerTime计划开始期间至少进行了$30$观测的78个卫星。这些包括子频带和频带平均到达时间，以及初始定时星历，噪声模型和用于导出脉冲到达时间的频率相关标准模板（肖像）。考虑到数据中检测到的噪声过程后，频率平均残差的$67$的频谱实现了均方根残差精度为$< 1 μ\rm{s}$。我们还提出了一种新的时钟校正波形的恢复完全从脉冲星定时残差，并探索到国际脉冲星定时社区感兴趣的初步研究结果。到达时间，标准和完整的斯托克斯参数校准脉冲星定时档案是公开的。
2022-12-09 astro-ph.HE astro-ph.IM
Vela Pulsar: Single Pulses Analysis with Machine Learning Techniques
我们研究船帆座的单个脉冲（PSR\B 0833 -45\，J 0835 -4510），每天观测超过三个小时（每次观测约120，000个脉冲），同时使用阿根廷射电天文学研究所的两台射电望远镜进行。我们在2021年1月至3月选择了4天的观测数据，并使用机器学习技术研究了它们的统计特性。我们首先使用基于密度的DBSCAN聚类技术，关联脉冲主要由振幅，并找到较高的振幅和较早的到达时间之间的相关性。我们还发现了一个较弱的（偏振相关）与脉冲的平均宽度的相关性。我们确定所谓的迷你巨脉冲集群，与$\sim10\times$的平均脉冲幅度。然后，我们进行了独立的研究，自组织映射（SOM）聚类技术。我们使用变分自动编码器（VAE）重建的脉冲，以分离他们清楚地从噪声中，并选择一天的观测训练VAE，并将其应用到thre其余的观测。我们使用SOM来确定每个射电望远镜每天4个脉冲群，并得出结论，我们的主要结果是强大的和自洽的。这些结果支持在脉冲星磁层中不同高度（每个高度大约相隔100公里）的发射区模型。我们还模拟了脉冲幅度分布与星际闪烁图案在脉冲间的时间尺度找到一个表征指数$n_{\mathrm{ISS}}\sim7-10$。在附录中，我们讨论了硬件系统的独立检查，同时使用两个射电望远镜在不同的单偏振/双偏振配置。我们还提供了一个详细的分析过程中的无线电干扰清理和个人脉冲折叠。
2021-08-30 astro-ph.HE astro-ph.IM astro-ph.SR
Detecting Pulsars with Neural Networks: A Proof of Concept
脉冲星搜索是计算要求很高的努力，从射电望远镜的时间和频率分辨数据中发现分散的周期信号。同时确定信号的频率相关延迟（色散）和周期性的复杂性和计算费用由于各种类型的射频干扰（RFI）和观测系统效应的存在而进一步加剧。新的观测系统具有更宽的带宽、更高的比特率和更高的总体灵敏度（也对RFI），进一步加剧了这些挑战。我们提出了一种新的方法来分析脉冲星搜索数据。具体来说，我们提出了一个基于神经网络的管道，有效地抑制了广泛的RFI信号和仪器的不稳定性，并进一步纠正（先验未知）星际色散。在对网络进行初始训练后，我们的分析可以在具有常用消费级GPU的标准台式计算机上实时运行。我们用标准的周期性搜索算法来补充我们的神经网络。特别是快速傅立叶变换（FFT）和快速折叠算法（FFA），并证明了这些简单的扩展，我们的方法能够识别甚至微弱的信号，同时保持极低的误报率。此外，我们将我们的分析应用到PALFA调查的一个子集，并证明在大多数情况下，我们的网络的自动色散去除产生类似质量的时间序列，使用实际的色散测量的脉冲星的问题。根据我们的测试数据，我们能够预测脉冲星是否存在于数据中，速度比实时快200倍。
2021-06-08 astro-ph.HE astro-ph.IM
Application of the Gaussian mixture model in pulsar astronomy -- pulsar classification and candidates ranking for {\it Fermi} 2FGL catalog
机器学习是从数据中提取经验知识的算法，可用于对数据进行分类，这是观测天文学中最常见的任务之一。在本文中，我们专注于贝叶斯数据分类算法使用高斯混合模型，并显示在脉冲星天文学的两个应用。在回顾了高斯混合模型和期望最大化算法的基础上，提出了一种基于Neyman-Pearson检验的数据分类方法。为了证明该方法，我们将该算法应用于两个分类问题。首先，它被应用到著名的周期-周期导数图，我们发现，脉冲星的分布可以用六个高斯集群，其中两个集群的毫秒脉冲星（回收脉冲星）和正常脉冲星的休息。从这个分布，我们推导出毫秒脉冲的经验定义为$\frac{\dot{P}}{10^{-17}} \leq3.23(\frac{P}{100 \textrm{ms}})^{-2.34}$。这两个毫秒脉冲星团可能有不同的演化起源，因为两个星团中这些脉冲星的伴星显示出不同的化学成分。四个集群被发现为正常的类星体。这些集群的可能影响进行了讨论。我们的第二个例子是计算未识别的\textit{Fermi}点源被识别的可能性，并相应地对它们进行排序。在点源列表中，前5%的源包含50%的已知星系，前50%的源包含99%的已知星系，而前6%的源中没有已知的活动星系（另一个主要的星系群）。这样的排序列表可用于帮助未来的后续观测，以在未识别的\textit{Fermi}点源中发现辐射源。
2012-05-28 astro-ph.HE astro-ph.IM
Optimal strategies for continuous gravitational wave detection in pulsar timing arrays
超大质量黑洞双星（SMBHB）预计将在脉冲星定时阵列（PTA）频带（$10^{-9}$ -$10^{-7}$ Hz）中发射连续的引力波。数据分析技术的发展，旨在有效地检测和表征这些信号是至关重要的引力波探测工作。在本文中，我们利用LIGO连续波引力搜索开发的方法，并探讨使用的$\mathcal{F}$ -统计脉冲星定时数据的搜索。Babak & Sesana 2012已经在PTA的背景下使用了这种方法，以表明可以解决天空中的多个SMBHB源。我们的工作改进了几个方面的连续波搜索方法开发的PTA数据分析。该算法完全在时域中实现，这自然地处理PTA数据典型的不规则采样，并避免了与频域方法相关的频谱泄漏问题。我们考虑到时间模型的拟合，并推广了我们的方法来处理相关和不相关的有色噪声源。我们还开发了一个不相干的检测统计，最大限度地超过所有脉冲星相关的贡献的可能性。为了测试我们的检测统计的有效性和灵敏度，我们进行了一些蒙特卡罗模拟。我们生产的各种配置的PTA的灵敏度曲线，并概述了一个功能齐全的数据分析管道的实施。最后，我们提出了一个推导的可能性最大化的引力波相位在脉冲星的位置，这导致在一个巨大的减少搜索参数空间。
2012-04-18 astro-ph.IM gr-qc
A Comparative Study of Machine Learning Methods for X-ray Binary Classification
X射线双星（XRB）由一个紧凑的物体组成，它从轨道上的二级恒星吸积物质。确定致密物体是否是黑洞的最安全方法是确定其质量：这仅限于明亮的物体，并且需要大量的时间密集型光谱监测。随着新的X射线源被不同的X射线天文台发现，开发有效的，强大的手段来分类紧凑的对象变得越来越重要。本文比较了三种机器学习分类方法（贝叶斯高斯过程（BGP）、K近邻（KNN）、支持向量机（SVM））在XRB系统中对致密天体（中子星或黑洞）的分类。每种机器学习方法都使用3D颜色-颜色-强度图中相同类型系统之间存在的空间模式。我们使用的光变曲线提取使用六年的数据与MAXI/GSC的44个代表性的来源。结果表明，这三种方法对脉冲和非脉冲中子星（NPNS）的预测准确率分别为95%和100%。所有三种方法都具有很高的准确性区分BH和BNS（92%），但仍然将BH与NPNS的一个子类（称为Bursters）混淆，KNN在预测BH时的准确性仅为50%。所有三种方法的精密度都很高，在5-10次独立运行中提供了等效的结果。在未来的工作中，我们建议将第四个维度，以减轻与突发BH的混淆。这项工作为更强大的方法铺平了道路，以有效地区分BH，NPNS和BHS。
2022-04-07 astro-ph.HE astro-ph.IM
A machine-learning pipeline for real-time detection of gravitational waves from compact binary coalescences
针对多信使天文学对引力波低延迟探测的需求，本文提出首个全机器学习的致密双天体并合引力波低延迟探测流水线，延迟远低于传统匹配滤波方法，对大质量恒星级双黑洞探测灵敏度达当前最优。
2025-09-04 astro-ph.IM gr-qc
Dealing with the data imbalance problem on pulsar candidates sifting based on feature selection
针对脉冲星候选体筛选中的数据不平衡问题，提出KFRG两阶段特征选择算法，通过K折Relief过滤和贪婪搜索选特征，在HTRU数据集上验证了其能提升分类性能。
2023-12-27 astro-ph.HE astro-ph.IM
Machine Learning Based Real Bogus System for HSC-SSP Moving Object Detecting Pipeline
机器学习技术在现代光学巡天中得到了广泛的应用。Pan-STARRS 1、PTF/iPTF和Subaru/Hyper Suprime-Cam调查，以减少数据验证的人为干预。在这项研究中，我们建立了一个基于机器学习的真假系统，以拒绝斯巴鲁/Hyper-Suprime-Cam战略调查计划（HSC-SSP）源目录中的错误检测。因此，HSC-SSP移动对象检测流水线可以由于误报的减少而更有效地操作。为了训练真假系统，我们使用平稳源作为真实训练集，使用“标记”数据作为伪集。训练集包含47个特征，其中大部分是从HSC图像缩减管道（hscPipe）生成的光度测量和形状矩。我们的系统可以达到真阳性率（tpr）~96%与假阳性率（fpr）~ 1%或tpr ~99%与fpr ~ 5%。因此，我们得出结论，平稳源是体面的真实训练样本，并使用光度测量和形状矩可以有效地拒绝假阳性。
2017-06-16 astro-ph.EP astro-ph.IM
A Bayesian analysis pipeline for continuous GW sources in the PTA band
利用脉冲星定时阵列（PTAs）直接探测引力波（GWs）是未来十年内的一个重要课题。虽然随机GW背景是用于检测的有希望的候选者，但是也可能单个可分辨源也可以是可检测的。在这项工作中，我们将集中在单个GW源的检测和表征的超大质量黑洞二进制文件（SMBHB）。我们引入了一个完全贝叶斯的数据分析管道，旨在执行搜索、表征和评估阶段。这将使我们能够快速定位参数空间中的全局最大值，绘制出后验图，并最终通过贝叶斯因子权衡GW检测的证据。在这里，我们将使用自适应大都会（AM）算法和并行回火。我们测试这个算法的现实模拟数据，是现代PTA的代表。
2013-05-03 astro-ph.CO astro-ph.IM gr-qc
The Parkes Pulsar Timing Array Project: Second data release
我们描述了来自帕克斯脉冲星定时阵列（PPTA）的14年的公共数据，PPTA是一个正在进行的项目，该项目使用64米帕克斯射电望远镜在三个观测波段以大约三周的节奏对26毫秒脉冲星的脉冲到达时间进行精确测量。全面介绍了自2004年以来望远镜使用的脉冲星观测系统，包括校准方法和系统组件稳定性分析。我们试图提供完整的会计从原始测量斯托克斯参数的脉冲到达时间的减少，以帮助第三方再现我们的结果。这种转换被封装在一个处理管道中，该管道被设计用于跟踪出处。我们的数据产品包括每个脉冲星的脉冲到达时间，以及一组初始脉冲星参数和噪声模型。还提供校准脉冲曲线和定时模板曲线。这些数据代表了跨越14年的近21，000小时的记录数据。在考虑了引起时间相关噪声的过程之后，其中22个天线在至少一个无线电频带中具有< 1 $μ$ s的加权均方根定时残差。这些数据应该允许最终用户快速进行自己的引力波分析（例如），而不必理解脉冲星偏振校准的复杂性，也不必掌握分析原始数据文件时所需的射频干扰缓解。
2020-03-22 astro-ph.HE astro-ph.IM gr-qc
