パルサー自転周期の長期変動パターン認識と予測モデル

概要

数十年にわたるパルサー観測データから自転周期変動の非線形パターンを抽出。本研究では、国内外の電波望遠鏡による37個のパルサーの長期タイミング観測データに対し、ガウス過程回帰とリカレントニューラルネットワーク（LSTM）を組み合わせたハイブリッド予測モデルを適用した。グリッチ（突発的な自転加速）の発生タイミングを事前に予測する確率的フレームワークを構築し、Vela パルサーを含む主要天体について70%以上の予測精度を達成した。この成果は、中性子星内部の超流体渦糸ダイナミクスの理解に新たな制約を与えるものである。