利用当前外流性质确定 AGN 光度历史：一种基于神经网络的方法

活动星系核（AGN）驱动的大尺度外流对其宿主星系可产生深远影响。外流性质本身敏感依赖于外流生命周期内 AGN 能量注入的历史。大多数观测到的外流其动力学时标长于典型的 AGN 爆发持续时间，即它们由多次 AGN 爆发所膨胀形成。本文提出一种基于神经网络的方法，基于其大质量外流的观测性质推断 AGN 最可能的占空比及其他性质。我们的模型以典型误差 $< 25\%$ 恢复模拟外流的 AGN 参数。我们将该方法应用于 59 个真实分子外流的样本，表明其中很大一部分由以相当高占空比 $\delta_{\rm AGN} > 0.2$ 闪耀的 AGN 所膨胀。这一结果暗示星系中的核活动在时间上呈层级聚集，由许多短活动片段组成的更长高频活动相。我们预言约 $\! 19\%$ 的星系应有 AGN 驱动的外流，但其中一半为化石——这与当前可用数据一致。我们讨论了在外流生命周期内研究 AGN 光度历史的可能性，并提出了使用我们的软件检验其他 AGN 外流物理模型的方法。此处所用全部软件源代码已公开。