结合核PCA与核SHAP的多谱线分析新框架：以NGC 1068的ALMA Band 3数据为例
星系天体物理
2026-01-22 v1
摘要
我们提出了一种结合核主成分分析(Kernel PCA)(一种无监督机器学习方法)和核沙普利加法解释(Kernel SHAP)(一种可解释人工智能(XAI)技术)的多谱线分析新框架。为了与广泛用于多谱线分析的基于PCA的研究进行比较，我们将该框架应用于来自阿塔卡马大型毫米/亚毫米阵列(ALMA) Band 3档案数据的近邻星系NGC 1068的13条分子谱线的积分强度图。先前基于PCA的NGC 1068研究报告称，具有物理意义的结构主要被捕获到第二主成分。相比之下，我们的框架可以解释直到第四主成分的具有物理意义的特征。此外，通过将我们的框架获得的结果与来自局部热力学平衡(LTE)分析的分子柱密度进行比较，我们提出HCO+的丰度在从星系中心延伸至约400 pc半径的分子外流区域中相对增强，这可能是由于紫外辐射和高密度气体的影响。这些结果表明，我们的框架能够为先前研究中未明确识别的物理和化学特征提供数据驱动的见解。它还为解释快速增长的谱线观测数据量提供了一种高效工具。
引用
@article{arxiv.2601.14650,
title = {A New Framework for Multi-Line Analysis Combined Kernel PCA and Kernel SHAP: A Case of NGC 1068 ALMA Band 3 Data},
author = {Hiroma Okubo and Tsutomu T. Takeuchi and Shotaro Akaho and Toshiki Saito and Yasuhiko Igarashi and Nario Kuno and Nanase Harada and Akio Taniguchi and Shuro Takano and Taku Nakajima},
journal= {arXiv preprint arXiv:2601.14650},
year = {2026}
}
备注
24 pages, 7 figures