人工智能与类星体吸收系统建模：在高红移处应用于基本常数

探索自然基本常数是否随时间或空间变化，是欧洲南方天文台VLT上的ESPRESSO光谱仪和ELT上的HIRES光谱仪的关键科学驱动力之一。类星体吸收系统的高分辨率光谱允许在高红移处精确测量基本常数。新数据的质量要求完全客观和可重复的方法。我们开发了一种新的全自动基于人工智能的方法，能够为已知的最复杂的吸收系统推导出最优模型。AI结构围绕VPFIT构建，VPFIT是一个经过充分开发和广泛测试的非线性最小二乘代码。新方法形成了一个复杂的并行系统，消除了人类决策，从而消除了偏差。在这里，我们描述了这样一个系统的工作原理，并将其应用于合成光谱，从而建立了对未来VLT和ELT数据分析重要的方法。结果表明，对高红移吸收成分的线宽建模应包括热成分和湍流成分。如果不这样做，很容易推导出错误的模型，从而导致错误的参数估计。我们还认为，模型非唯一性可能很显著，因此期望从一个或少量测量中得出精细结构常数α的明确估计是不可行的。无论建模方法多么优化，使用大量测量样本才能有意义地约束α的时间或空间变化是一个基本要求。