跨宇宙模拟划分类超大质量黑洞生长模式及 LSST 观测预测

詹姆斯·韦伯太空站望远镜光度发现的“小红点”可能暗示超大质量黑洞（SMBH）种子偏轻，从而否定此假设。然而，何种质量范围应构成“重种子”仍相对不受约束。此外， Vera C. Rubin 观察局的遗产光度 survey 将对无直接黑洞质量测量的星系进行光度特征化。我们将 SIMBA、IllustraTNG 和 EAGLE 宇宙模拟向 LSST 光度波段进行前向建模，以训练集成机器学习分类器。我们的框架在 SIMBA 和 IllustraTNG 上实现 $91\%$--$94\%$ 的准确率，区分在 LSST 幅度限制下的超大质量黑洞生长模式，仅使用宽带光度。此外，跨模拟转移实验（在一个宇宙模拟上训练，在另一个上评估，使用秩正规化特征）实现 $83\%$--$89\%$ 的准确率。这表明即使在根本不同的亚网格 SMBH 反馈方案下，生长模式的相对光度排序仍基本保持。信号分解显示，我们的分类由宿主星系颜色（$82\%$--$87\%$ 的准确率）和相关地，吸积状态的光谱能分布形状驱动，而非我们前向模型的分析亮度预设。鉴于所评估的模拟采用重种子方案（$\geq 10^{4}~M_\odot$），我们的方法为划分类后种子生长模式奠定了经过验证的基线。