盲QSO重建挑战：探索重建QSO的Lyα发射线的方法

从高红移QSO重建内禀Lyα线通量可以约束再电离期间星系间介质的中性氢含量。目前有超过10种不同的Lyα重建流程，使用不同方法根据Lyα红侧的光谱信息预测Lyα线通量。然而，很少有尝试直接比较这些流程的性能。因此，我们设计了一个盲QSO挑战，在一组统一的对象上比较这些重建流程。每个作者都获得了去标识的、观测的静止系QSO光谱，仅提供静止系1260Å红侧的光谱信息，以确保无偏重建。我们从X-Shooter和SDSS构建了两个各30个QSO的样本，红移范围均为3.5<z<4.5。重要的是，这项比较研究的目的不是推崇单一的最佳重建流程，而是探索这些流程在一系列具有广泛观测特征的QSO上的相对性能，以推断总体趋势。总之，我们发现机器学习方法通常提供最强的“最佳猜测”，但低估了伴随的统计不确定性，尽管这些可以重新校准；而分解光谱信息的方法（例如主成分分析或因子分析）通常在预测Lyα轮廓方面表现更好。此外，我们发现，在SDSS QSO上训练的重建流程在X-Shooter和SDSS样本上的平均表现相似，表明训练集或重建QSO的观测特征差异没有导致可辨别的偏差，尽管X-Shooter的重建分布更宽，可能是由于异常值比例增加。