182 Arbeiten
Der Artikel stellt die wissenschaftlichen Ziele und die Beobachtungsdaten der OPTIMus-Umfrage vor, die mithilfe von optischen, infraroten und millimeterwellen-Daten verschiedener Teleskope eine umfassende dreidimensionale Charakterisierung der komplexen interstellaren Umgebung massereicher Sternentstehungsregionen anstrebt.
Die Autoren stellen eine neuartige Gradientenregularisierung vor, die im meshless Magnetohydrodynamik-Verfahren durch eine implizite Projektionsmethode den magnetischen Divergenzfehler auf Maschinengenauigkeit eliminiert und damit signifikante Verbesserungen gegenüber der konventionellen Constrained-Gradient-Technik sowie dem GIZMO-Code erzielt.
Diese Studie analysiert sechs Jahre lang erhobene Daten von drei Szintillatordetektoren in Ny-Ålesund (Svalbard), um den Einfluss saisonaler atmosphärischer Temperaturschwankungen auf die kosmische Myonrate bei 78,9°N zu untersuchen und die daraus abgeleiteten Korrekturkoeffizienten mit Messungen an niedrigeren Breitengraden zu vergleichen.
Die Studie stellt einen automatisierten Framework vor, der mithilfe des ALeRCE-Brokers und maschinellen Lernens optische Gegenstücke zu Gravitationswellenereignissen der LVK-O4a- und O4b-Läufe aus ZTF-Daten filtert, wobei ein Kandidat als Bowen-Fluoreszenzflare in einer aktiven Galaxie identifiziert wurde.
Das Paper stellt SELDON vor, ein interpretierbares, kontinuierliches Deep-Learning-Modell auf Basis von ODEs und einem variationalen Autoencoder, das entwickelt wurde, um die Herausforderungen bei der Echtzeit-Analyse und Vorhersage von unregelmäßig abgetasteten Supernova-Lichtkurven für die zukünftige Vera C. Rubin Observatory zu bewältigen und physikalisch sinnvolle Parameter für die Nachbeobachtung zu extrahieren.
Das Paper stellt das KI-Framework „StarWhisper Telescope" vor, das durch die Integration von Sprachmodellen und spezialisierten Workflows den gesamten Ablauf astronomischer Beobachtungen – von der Planung bis zur Echtzeit-Datenanalyse und Auslösung von Folgemessungen – automatisiert und so menschliche Eingriffe minimiert, wie bereits erfolgreich in einem Netzwerk von 10 Amateuerteleskopen demonstriert wurde.
Dieser Artikel stellt die zweite Runde der Taiji-Datenherausforderung und das Open-Source-Toolkit Triangle vor, die durch hochrealistische Simulationen mit komplexen Signalen, erweiterten Rauschquellen und präziser Orbitaldynamik als neue Testumgebung dienen, um die Datenanalyse und End-to-End-Pipelines für die chinesische Weltraum-Gravitationswellenmission Taiji zu entwickeln und so die Lücke zwischen Beobachtung und wissenschaftlichen Zielen zu schließen.
Die Studie stellt eine auf ConvLSTM2D basierende Deep-Learning-Pipeline vor, die stark gelinste Typ-Ia-Supernovae in multi-bandigen Zeitreihendaten ähnlich denen des LSST durch die Analyse von Bildausschnitten mit hoher Effizienz und geringer Fehlalarmrate erkennt.
Diese Arbeit stellt einen verbesserten -Diskriminator zur Unterscheidung von Binärschwarze-Loch-Signalen von nicht-gaußschen Rauschtransienten vor, der durch die direkte Anwendung der Singulärwertzerlegung auf reale Detektordaten entwickelt wurde und dabei die Effizienz früherer, auf Sinus-Gaussian-Basisvektoren beruhender Methoden erreicht.
Die Studie stellt eine neue Kalibrierungsmethode für globale 21-cm-Kosmologie-Experimente vor, die Zeitreiheninformationen nutzt, um Systemdrifts zu kompensieren und durch die Eliminierung von Annahmen über Reflexionskoeffizienten sowie eine polynomielle Oberflächenanpassung die Genauigkeit der Parameterbestimmung und die Reduktion von Spektralfehlern im Vergleich zu früheren Methoden erheblich verbessert.
Die Autoren stellen ein flexibles Framework vor, das die Binärpulations-Synthese-Software SEVN mit dem Arepo-GW-Modul koppelt, um in den MillenniumTNG-Simulationen Gravitationswellenereignisse zu modellieren und dabei Merger-Raten sowie Progenitor-Eigenschaften im kosmologischen Kontext zu analysieren.
Der Artikel stellt eine Methode vor, die mithilfe von simultanen thermischen Infrarotbeobachtungen atmosphärische graue Extinktion korrigiert und es so ermöglicht, photometrische Daten unter nicht-photometrischen Bedingungen mit einer Präzision zu gewinnen, die photometrischen Bedingungen entspricht.
Diese Studie stellt ein auf Mask R-CNN basierendes Deep-Learning-Framework namens ARTEMIDE vor, das erfolgreich entwickelt wurde, um starke Gravitationslinsenbögen in den ersten Daten des Euclid-Teleskops automatisch zu detektieren und zu segmentieren, wobei das Modell auf simulierten Daten trainiert wurde und bei der Anwendung auf reale Beobachtungen eine vielversprechende Leistung zeigt.
Dieser Beitrag beschreibt erfolgreiche Hochleistungsexperimente, bei denen mit der NG-LLRF-Plattform und einem Cool-Copper-Collider-Prototyp bis zu 5,4 MW starke RF-Impulse ohne zusätzliche Analogkomponenten digital beliebig geformt wurden, um Anwendungen wie Phasenmodulation für Linearbeschleuniger oder Kompensation von Strahlungsbelastung zu demonstrieren.
Die Autoren stellen Synference vor, ein flexibles Python-Framework für die Simulation-basierte Inferenz zur schnellen und präzisen Bestimmung physikalischer Galaxieneigenschaften aus photometrischen Daten, das eine um den Faktor 1700 beschleunigte Analyse im Vergleich zu traditionellen Methoden ermöglicht.
Diese Arbeit stellt die Einrichtung und Simulationen einer neuen Einzelimpuls-Suchpipeline für den nördlichen Teil des HTRU-Pulsarsurveys vor, die mit neu entwickelten Werkzeugen zur Rauschunterdrückung und Impulsinjizierung die Leistungsfähigkeit des Systems validiert und neben bekannten Pulsaren auch neue Kandidaten für Einzelimpulse identifiziert.
Diese Arbeit stellt eine neuartige Wellenfront-Sensorik (PMPMWFS) vor, die durch Demodulation der Differenzfrequenz zwischen zwei Phasenmodulations-Seitenbändern die Entkopplung von Ausrichtungsfehlern in verschiedenen optischen Achsen eines Gravitationswellendetektors ermöglicht und deren Wirksamkeit erfolgreich am KAGRA-Interferometer demonstriert.
Diese Studie widerlegt die bisherige Annahme, dass Pulsarspektren überwiegend einfachen Potenzgesetzen folgen, und zeigt durch eine umfassende Bayesianische Analyse von 897 Pulsaren, dass komplexe spektrale Formen mit Krümmung oder Brüchen die Regel sind, wobei das gebrochene Potenzgesetz mit 60 % die häufigste Spektralform darstellt.
Diese Studie stellt eine effiziente und hochpräzise Methode zur Identifizierung von Strukturen schwacher Stabilitätsgrenzen vor, die auf tiefen neuronalen Netzen basiert und eine Genauigkeit von 97,26 % bis 99,91 % erreicht.
Die Studie schlägt eine effiziente Strategie zur Erkennung von Fehlalarmen bei der PLATO-Mission vor, bei der die Doppelapertur-Photometrie aufgrund ihrer hohen Detektionseffizienz und geringeren Kosten als vielversprechende Alternative zu herkömmlichen Zentroid-Verschiebungen dient.