应用于吸收光谱自动分析的人工智能：精细结构常数的客观测量

本文提出一种新的自动化方法，用于分析高分辨率吸收光谱。三种成熟的数值方法被统一为一个“人工智能”过程：遗传算法（GVPFIT）、带参数约束的非线性最小二乘法（VPFIT）以及贝叶斯模型平均（BMA）。该方法具有广泛的应用前景，但在此我们将其专门应用于高红移处精细结构常数的测量问题。为此，我们需要客观性和可重复性。GVPFIT 的动机也源于获取 Δα/α 测量值大统计样本的重要性。交互式分析既耗时又复杂，而自动化使得获取大样本成为可能。与以往方法不同，我们使用 BMA 从大量模型中推导结果，并证明该过程比人工挑选单一偏好模型更稳健，因为 BMA 避免了与模型选择相关的系统不确定性。数值模拟为整个过程提供了严格的检验，我们利用真实光谱和模拟光谱表明，统一的自动化拟合程序优于人工交互式分析。该方法在未来的仪器设备（如 VLT 上的 ESPRESSO 以及未来的极大望远镜）背景下将具有无可估量的价值。我们将此方法应用于 z_em = 2.145 类星体 J110325-264515 视线方向上 z_abs = 1.8389 的吸收体。推导出的 Δα/α = 3.3 ± 2.9 × 10⁻⁶ 的约束结果与无变化一致，也与 Webb 等人（2011）和 King 等人（2012）报告的初步空间变化一致。