2506.23681
2026-05-11
astro-ph.HE
astro-ph.CO
astro-ph.IM
Multi-Model Framework for Reconstructing Gamma-Ray Burst Light Curves
A. Kaushal, A. Manchanda, M. G. Dainotti, K. Gupta, Z. Nogala, A. Madhan, S. Naqi, Ritik Kumar, V. Oad, N. Indoriya, Krishnanjan Sil, D. H. Hartmann, M. Bogdan, A. Pollo, JX. Prochaska, N. Fraija
AI总结
本文提出了一种多模型框架,用于重建伽马射线暴(GRB)光变曲线,以弥补数据缺失问题,从而提升宇宙学参数的精度。研究扩展了先前的GRB样本,并引入了包括深度高斯过程、卷积神经网络-双向长短期记忆网络等七种模型,其中四次平滑样条模型在降低参数不确定性方面表现最优,而CNN-BiLSTM模型在异常值控制上效果最佳。该方法拓展了机器学习在GRB光变曲线分析中的应用,提高了参数恢复的准确性,有助于GRB作为宇宙学探针的研究。