Self-Supervised Learning for Modeling Gamma-ray Variability in Blazars

要約

ブレーザーは、相対論的ジェットが地球にほぼ直接向けられている活発な銀河核です。
ブレーザーは、事実上すべての観測された波長と時間スケール (数分から数年) での強い、明らかに確率論的なフラックス変動によって特徴付けられますが、その物理的起源はまだよくわかっていません。
高エネルギー ガンマ線帯域では、フェルミ宇宙望遠鏡 (Fermi-LAT) に搭載された大面積望遠鏡が、2008 年以来、何千ものブレーザーの定期的な監視を行ってきました。ディープ ラーニングは、ガンマ線ブレーザーの複雑な変動パターンの構造を明らかにするのに役立ちます。
パラメトリック統計モデリングまたは手動機能エンジニアリングに基づく従来の方法では見逃される可能性があります。
この作業では、自己教師あり Transformer エンコーダー アーキテクチャを使用して、ブレザー ガンマ線変動の効果的な表現を構築することを提案します。
学習したエンコーディングを使用して、測定誤差、上限、欠落データに対応します。
このモデルは、各タイム ステップでのフラックス確率分布の一連の分位数を予測します。これは、確率過程によって生成されたデータを記述するのに当然適したアーキテクチャです。
モデルの出力を分析して科学的に関連する情報を抽出する方法の概念実証として、ガンマ線ブレーザーの光度曲線における週ごとの時間スケールの時間反転非対称性の予備調査が行われ、非対称性の重要な証拠は見つかりませんでした。

要約(オリジナル)

Blazars are active galactic nuclei with relativistic jets pointed almost directly at Earth. Blazars are characterized by strong, apparently stochastic flux variability at virtually all observed wavelengths and timescales, from minutes to years, the physical origin of which is still poorly understood. In the high-energy gamma-ray band, the Large Area Telescope aboard the Fermi space telescope (Fermi-LAT) has conducted regular monitoring of thousands of blazars since 2008. Deep learning can help uncover structure in gamma-ray blazars’ complex variability patterns that traditional methods based on parametric statistical modeling or manual feature engineering may miss. In this work, we propose using a self-supervised Transformer encoder architecture to construct an effective representation of blazar gamma-ray variability. Measurement errors, upper limits, and missing data are accommodated using learned encodings. The model predicts a set of quantiles for the flux probability distribution at each time step, an architecture naturally suited for describing data generated by a stochastic process. As a proof of concept for how the model output can be analyzed to extract scientifically relevant information, a preliminary search for weekly-timescale time-reversal asymmetry in gamma-ray blazar light curves was conducted, finding no significant evidence for asymmetry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google