基于机器学习构建的 FIRST 巡天 FR-II 射电星系星表

我们利用深度学习方法，从甚大阵列 (Very Large Array) 的 20 厘米射电天空 faint 图像 (FIRST) 巡天数据中编译了一个包含 45,241 个 Fanaroff-Riley II 型 (FR-II) 射电星系的独立星表 (FRIIRGcat)。其中，41,425 个 FR-II 星系已识别出光学和/或红外对应体。该星表覆盖的光度范围为 $2.63\times10^{22}\leq L_{\rm rad}\leq6.76\times10^{29}\,{\rm W}\,{\rm Hz}^{-1}$，红移高达 $z=5.01$。光谱分类表明，其中包括 1431 个低激发射电星系和 260 个高激发射电星系。在光谱已证认的源中，估算了 4837 个 FR-II 星系的黑洞质量，范围为 $10^{7.5}\lesssim M_{\rm BH}\lesssim 10^{9.5}$ $M_{\odot}$。有趣的是，该星表揭示了一对巨型射电星系 (GRGs)，它们已存在于现有的 GRG 星表中，证实了本 FR-II 星表的有效性。此外，在这个新的 FR-II 样本中还发现了 284 个新的 GRGs；它们的投影尺寸最大，范围从 701 到 1209 kpc，位于红移 $0.31<z<2.42$ 处。最后，我们探讨了喷流位置角的分布，结果显示 FIRST 图像的 faint 部分受到系统效应（观测波束）的显著影响。本文提出的方法预计适用于当前正在进行的射电天空巡天，因为它们拥有精细优化的望远镜阵列。另一方面，我们期待未来能有更多新方法致力于解决这一问题。