多模態變壓器混合密度網路估算快速電波爆散射時間尺度

研究論文提出一種名為MT-GMDN的深度學習模型，專門用於估算快速電波爆的散射時間尺度。快速電波爆是無線電天文學中的重要現象，其發現率隨著新無線電設施的興起而持續增加，然而提取其天體物理參數如散射時間尺度（τ）仍是一個顯著的瓶頸。現有的測量方法，如擬合解析模板模型和散射感知反捲積，雖然準確，但速度較慢、對初始化敏感、受限於低信噪比，且常需要人工監督。這些限制激發了研究人員探索快速、穩健且可擴展的機器學習方法。MT-GMDN模型透過並行的變壓器編碼器處理快速電波爆的動態頻譜和對應的時間序列輪廓，融合它們的潛在表示，並預測散射時間尺度的分佈，使用通用混合密度公式產生概率輸出。這種公式不僅估計τ的值，還捕捉了快速電波爆總體中零膨脹的特性，即相當一部分爆發展現出無法解析的散射。模型在CHIME/FRB目錄二的約3500個快速電波爆上進行訓練，並在訓練期間保留一部分用於驗證，訓練完成後用於測試。結果顯示，對於具有可測量散射的事件，模型在τ期望值上的決定係數（R²）達到94%，在測試數據集上的召回率為90%。此外，模型還能納入異方差誤差，使我們能夠構建預測的信賴區間，提升了估計的可靠性與實用性。