利用优化滤镜组约束团块状尘埃环模型

近期在解释活动星系核中心引擎周围尘埃环的若干性质方面取得的进展，均基于团块性假设。此类团块状尘埃环的性质可通过分析光谱能量分布（SEDs）来推断，但由于需要大口径望远镜和长积分时间才能获得良好的空间分辨率和信号，采样往往较为稀疏。我们旨在利用数据中已有的信息和团块状尘埃环的假设，特别是 Nenkova 等人提出的 CLUMPY 模型，来评估最佳的下一次观测，以便最大化新观测光度点的约束能力。为此，我们使用了现有但鲜少应用的贝叶斯自适应探索思想，这是贝叶斯推断、预测和决策理论的混合体。结果表明，应使用的新型光度滤镜是能使期望效用最大化的那个，我们用预测分布的熵来近似该效用。换言之，我们必须在与数据兼容且符合我们对模型参数认知的 SEDs 变化性最大的区域进行采样。我们表明，贝叶斯自适应探索可用于建议新的观测，乃至最优滤镜组，以更好地约束团块状尘埃环模型的参数。总体而言，我们发现 10 至 200 um 之间的区域产生的期望效用增幅最大，尽管来自 ALMA 的亚毫米数据也被证明是有用的。值得注意的是，此处我们未考虑数据的角分辨率，而它在约束环参数时至关重要。因此，必须根据数据的空间分辨率对从此方法导出的期望效用进行加权。