基于深度学习的快速射电暴实时搜索工具
我们提出了一种基于深度学习的快速射电暴搜索流程,名为DRAFTS。现在常用搜索算法一般包含消除射频干扰、使用一系列色散网格对数据进行消色散处理、使用不同宽度的方波滤波器对消色散后的时间序列进行匹配并计算信噪比,最后根据某个阈值挑选出候选信号。这种方法普遍存在着重复计算、计算效率低、误报率高和结果不完备等问题。比如,在Arecibo望远镜对FRB 20121102A观测的一批数据中,不同的人使用不同的算法找到的信号从几十个变化到几百个,有着数量级的差距。因此开发一个搜索新算法非常必要。在DRAFTS中,我们使用CUDA加速将原始时间-频率数据转换为时间-色散数据,然后使用训练好的目标检测模型找出爆发的到达时间和色散值,并据此从原始数据中裁出爆发的数据片段,最后使用一个二分类的模型判断是否为真实的快速射电暴。这一方案在效率和灵敏度上都有显著提升,可以在短时间内处理大量数据,同时减少了误报率,解决了传统算法中存在的诸多问题。