Self-supervised ConvLSTM for Fermi Large Area Telescope transient detection
Un modello di deep learning self-supervised individua flare e lampi gamma nelle mappe del cielo del telescopio Fermi-LAT.
Abstract
Studio di un framework per la rilevazione di fenomeni gamma transitori (come flare o lampi gamma) basato su deep learning spazio-temporale self-supervised, applicato ai dati del telescopio spaziale Fermi-LAT. Simulando un decennio di osservazioni sintetiche del cielo con gtobssim, i ricercatori hanno addestrato una rete ConvLSTM a ricostruire l'emissione attesa; gli scostamenti rispetto a questa baseline vengono individuati tramite mappe di residuo e soglie statistiche per pixel, con un filtro spaziale che riduce i falsi positivi isolati. Il modello, applicato alle mappe giornaliere reali di Fermi-LAT, segnala eccessi localizzati e variabili nel tempo compatibili con sorgenti altamente variabili o eventi transitori, offrendo un benchmark per le strategie di rilevazione di anomalie su dataset di lunga durata.
Autori
A. Garinei, S. Speziali, A. Vispa, A. Marini, S. Cutini, E. Piccioni, M. Marconi, F. Longo, M. Martini, F. Fallucchi, R. Giuliano, E. W. De Luca, U. Di Matteo, S. Meola
Link
Data di pubblicazione: 06/05/2026 Ultimo aggiornamento: 17/09/2026 16:21