询问机器：低质量X射线双星中风型外流的系统探测

在低质量X射线双星光学光谱中系统发现外流，为研究这些极端系统的爆发演化开辟了新途径。然而，在不断增长的数据库中高效探测此类特征，需要开发注重可扩展性、适应性与自动化的新型分析技术。在本试点研究中，我们探索使用机器学习算法来识别光学波段光谱线轮廓中观测到的外流。我们在模拟数据库上训练并测试分类器，该数据库由吸积盘发射线轮廓与外流特征组合构建，以模拟低质量X射线双星的典型观测。最终训练好的分类器应用于两次明亮爆发期间所取的两组光谱——V404 Cyg（2015）与MAXI J1820+070（2018），这两次爆发覆盖尤为完备。该新方法所得分类总体上与传统技术一致，同时相较后者具备若干关键优势，包括可探测低速度外流。本研究为未来针对低质量X射线双星及其他致密双星的大样本光谱研究奠定基础。