Gamma-ray bursts (GRBs) were confirmed to be of extragalactic origin due to their isotropic angular distribution, combined with the fact that they exhibited an intensity distribution that deviated strongly from the $-3/2$ power law. This finding was later confirmed with the first redshift, equal to at least $z=0.835$, measured for GRB970508. Despite this result, the data from $CGRO$/BATSE and $Swift$/BAT indicate that long GRBs are indeed distributed isotropically, but the distribution of short GRBs is anisotropic. $Fermi$/GBM has detected 1669 GRBs up to date, and their sky distribution is examined in this paper. A number of statistical tests is applied: nearest neighbour analysis, fractal dimension, dipole and quadrupole moments of the distribution function decomposed into spherical harmonics, binomial test, and the two point angular correlation function. Monte Carlo benchmark testing of each test is performed in order to evaluate its reliability. It is found that short GRBs are distributed anisotropically on the sky, and long ones have an isotropic distribution. The probability that these results are not a chance occurence is equal to at least 99.98\% and 30.68\% for short and long GRBs, respectively. The cosmological context of this finding and its relation to large-scale structures is discussed.


翻译:伽马射线暴(Gramma-射线暴(Gramma-ray brants)被证实具有超银源,因为其分布是异向的,但短的GRBs分布是反异质的。 $Fermi$/GBMM 已经检测到1669 GRB 的最新数据,并在本文中检查了它们的天空分布。 应用了一些统计测试:最近的邻居分析、分红尺寸、调料和分配功能的四分立时段分解成球形短曲、双感知测试和两点角相关功能。 蒙特卡洛对每件测试的基准测试的分布是为了评估其可靠性而进行的。 美元/GBM($Fermi$/GBM)已经检测到最新的1669 GRBs, 并在本文中检查了它们的天空分布情况。 数字测试显示,最近的邻居分析、 分角值、 调频值、 和 双角的分界关系是最小的。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
5+阅读 · 2018年5月22日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关资讯
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员