LSST时代类星体光变曲线的深度学习
天体物理仪器与方法
2023-06-19 v1 星系天体物理
高能天体物理现象
摘要
对于来自薇拉·C·鲁宾天文台时空遗产巡天（LSST）所预期的类星体海量数据中的巡天（多波段、多历元）光变曲线分析，需要深度学习技术。在这项后续研究中，我们引入了嵌入多步方法的条件神经过程（CNP）升级版本，用于分析LSST活动星系核科学合作数据挑战数据库中的类星体大数据。我们展示了一个分层数据集的案例研究，包含283个类星体的u波段光变曲线，其变率极低。在该样本中，CNP平均均方误差为（星等）。有趣的是，除相似变率水平外，有迹象表明个别光变曲线显示出耀发状特征。根据初步结构函数分析，这些 occurrence 可能与时间尺度年的微透镜事件相关。
引用
@article{arxiv.2306.09357,
title = {Deep learning of quasar lightcurves in the LSST era},
author = {Andjelka B. Kovacevic and Dragana Ilic and Luka C. Popovic and Nikola Andric Mitrovic and Mladen Nikolic and Marina S. Pavlovic and Iva Cvorovic Hajdinjak and Miljan Knezevic and Djordje V. Savic},
journal= {arXiv preprint arXiv:2306.09357},
year = {2023}
}
备注
accepted for publication by the MDPI Universe Special Issue A Multimessenger View of Supermassive Black Holes and the Quasar Main Sequence, Eds. Ascension Del Olmo and Paola Marziani