近日，我校物理与电子科学学院肖硕副教授团队在天文学领域国际著名期刊《The Astrophysical Journal Letters》（中科院一区TOP期刊、Nature Index收录期刊，IF=11.7）在线发表题为“Uncovering Anomalous Gamma-Ray Bursts beyond Duration-based Classification”的研究论文。该研究提出了一种不依赖传统持续时间参数T90的伽马射线暴机器学习分类方法，为理解伽马暴物理起源及其多样性提供了新的视角。
伽马射线暴通常依据持续时间T90被划分为短暴和长暴，并分别对应双致密星并合和大质量恒星坍缩等不同物理起源。然而，T90容易受到观测条件、探测器灵敏度以及“冰山效应”等因素影响，未必能够准确反映伽马暴的真实物理本质。针对这一问题，研究团队基于Fermi卫星观测的927个伽马暴样本，利用机器学习降维方法，综合瞬时辐射阶段的时域变异性和能谱特征开展分类分析，并在分类过程中明确排除了T90参数。
该研究结果表明，即使不使用T90，伽马暴样本仍可在多维参数空间中形成具有明确物理意义的群体结构。团队进一步识别出46个传统长短暴标签与机器学习分类结果明显不一致的“异常伽马暴”事件。通过谱延迟分析发现，其中部分传统长暴可能更符合双致密星并合起源，而部分传统短暴则可能更接近大质量恒星坍缩起源，说明传统持续时间分类与物理起源之间的错配现象并非个例。
排除T90参数后基于机器学习方法得到的伽马暴分类结果
该研究表明，传统基于持续时间的长短暴二分法难以完整刻画伽马暴的真实物理性质，而融合时域与能谱信息的多维机器学习方法，有望为建立更加物理化的伽马暴分类体系提供新的技术路径。该研究发展的机器学习分类算法，未来也将应用于贵州省重大专项（面向高能暂现源探测的近地轨道装备研发），为高能暂现源识别、分类和物理诊断提供技术支撑，助力我校在智能空间天文研究方向形成特色优势。
该论文第一作者韦诗奇为我校2025级电子信息专业硕士研究生。该研究得到贵州省重大专项（[2025]021）、贵州省科技厅项目（ZK[2024]430、MS[2026]466）和国家自然科学基金项目（12573043、12303043）等支持。
论文全文链接：https://doi.org/10.3847/2041-8213/ae67f9
