一种用于从速度分辨反响映射数据中恢复传递函数的卷积神经网络

活动星系核的标志之一是其随时间的高度可变性。在观测光谱变化时，人们发现发射线常常表现出“反响”——即它们会响应连续谱的变化，这种变化被认为源自黑洞附近。这一关键观测构成了反响映射技术的基础，这是一项精巧的物理实验，使我们能够表征邻近活动星系核中许多超大质量黑洞周围的环境。最近的观测质量极高，以至于可以测量响应随发射线速度变化的函数，通过这样做，我们能够构建速度-延迟图，这些图比迄今为止任何其他测量都更好地展示了宽线区气体的结构和物理特性。不幸的是，构建这样的图需要反卷积，而鉴于数据通常含有噪声且存在间隙，此类反卷积并非易事。在此，我们提出了一种新颖的反卷积方法，使用定制的卷积神经网络架构来恢复速度-延迟图，展示了此类方法在反响监测数据产品的反卷积方面具有巨大潜力。虽然我们设计这种新方法时考虑的是宽线区，但原则上该技术可以应用于任何反响反卷积问题，包括吸积盘和环面中的问题。