类星体光谱的生成模型

我们基于高斯过程潜变量模型，构建了一个用于类星体光谱及其黑洞引擎属性的多输出生成模型。该模型将每个类星体视为一个潜属性向量，使得类星体的光谱与所有物理属性均关联于这些潜参数的非线性函数；高斯过程核函数定义了函数空间上的先验。我们的生成模型以合理的似然函数训练，可正确处理异方差噪声与缺失数据，这对所有天体物理应用至关重要。它可同时预测未观测的光谱区域以及留出测试数据中类星体的物理属性。我们将模型应用于具有精确黑洞质量（基于反响映射测量）的静止帧紫外与光学类星体光谱。与需要多历元数据的反响映射研究不同，我们的模型从单历元光谱预测黑洞质量，即便光谱覆盖有限。我们通过预测黑洞质量与未观测光谱区域展示了模型能力。我们发现预测的黑洞质量接近最佳可能精度。