利用机器学习技术估计 X-ATLAS 场中 X 射线源的光度红移
星系天体物理
2017-12-06 v1 宇宙学与河外天体物理
摘要
我们使用机器学习技术 TPZ (Carrasco Kind & Brunner 2013)，给出了 X-ATLAS 场中 1,031 个 X 射线源的光度红移。X-ATLAS 覆盖了 7.1 deg2 的区域，由 XMM-Newton 在 H-ATLAS 场的科学验证阶段（SDP）内观测，使其成为天空中同时拥有 XMM-Newton 和 Herschel 覆盖的最大连续天区之一。所有源均有可用的 SDSS 测光数据，其中 810 个源还拥有中红外和/或近红外测光数据。包含 5,157 个源的光谱样本（主要来自 XMM/XXL 场，但也来自若干 X 射线巡天和 SDSS DR13 红移星表）被用于训练该算法。我们的分析表明，当根据光学形态将源分为点源和展源时，算法表现最佳。仅靠光学测光不足以估计准确的光度红移，但在训练过程中至少加入中红外测光后，结果会大幅改善。具体而言，我们的测量结果显示，训练样本中 X 射线源的估计光度红移的归一化绝对中位差 n_mad=0.06，异常值百分比 eta=10-14%，具体取决于源是展源还是点源。我们的最终星表包含了 1,031 个 X 射线源中 933 个源的光度红移，其中值红移为 0.9。
引用
@article{arxiv.1710.01313,
title = {Estimating Photometric Redshifts for X-ray sources in the X-ATLAS field, using machine-learning techniques},
author = {G. Mountrichas and A. Corral and V. A. Masoura and I. Georgantopoulos and A. Ruiz and A. Georgakakis and F. J. Carrera and S. Fotopoulou},
journal= {arXiv preprint arXiv:1710.01313},
year = {2017}
}
备注
10 pages, 13 figures, A&A accepted