标题： 面向天体物理源检测的基础模型：使用深度学习的端到端伽马射线数据分析流程 显示英文标题

标题： Towards a foundation model for astrophysical source detection: An End-to-End Gamma-Ray Data Analysis Pipeline Using Deep Learning

摘要： 随着伽马射线数据量的增加，需要新的分析方法来处理大规模数据集，同时为源检测提供稳健性。 我们提出了一种基于深度学习（DL）的管道，用于伽马射线源的检测、定位和表征。 我们将最初使用\textit{费米}-LAT 模拟数据和光学数据（MeerLICHT）进行测试的 AutoSourceID（ASID）方法扩展到切连科夫望远镜阵列观测站（CTAO）模拟数据。 这个端到端的管道展示了一个适用于未来其他调查的通用框架，并可能作为天体物理源检测基础模型的构建模块。 显示英文摘要

摘要： The increasing volume of gamma-ray data demands new analysis approaches that can handle large-scale datasets while providing robustness for source detection. We present a Deep Learning (DL) based pipeline for detection, localization, and characterization of gamma-ray sources. We extend our AutoSourceID (ASID) method, initially tested with \textit{Fermi}-LAT simulated data and optical data (MeerLICHT), to Cherenkov Telescope Array Observatory (CTAO) simulated data. This end-to-end pipeline demonstrates a versatile framework for future application to other surveys and potentially serves as a building block for a foundational model for astrophysical source detection.