探索射电强活动星系核的新红移指标

活动星系核（AGN）是重要的辐射源，可能在其早期宇宙中助力再电离。它们所宿主的超大质量黑洞（SMBH）通过吸积物质并向介质释放大量能量。近期研究表明，在早于 $z~{\sim}~5$ 的 epoch，SMBH 的数密度约为每平方度数百个。最新观测给出全天空在 $z~{\gtrsim}~6$ 处的该值低于 $300$ 个 SMBH。为弥补此差距，有必要在最早 epoch 探测大量源。鉴于探测此类数量所需的大面积，使用传统红移测定技术——光谱红移与光度红移——已不再是高效任务。机器学习（ML）有望以其他方法所需时间的一小部分为大数据样本获取精确红移。我们开发并实现了一种 ML 模型，可预测 HETDEX Spring Field 中 WISE 探测到的 AGN 的红移值。我们得到中位预测误差 $\sigma_{z}^{N} = 1.48 \times (z_{\mathrm{Predicted}} - z_{{\mathrm{True}}}) / (1 + z_{\mathrm{True}}) = 0.1162$，以及在 $(z_{\mathrm{Predicted}} - z_{{\mathrm{True}}}) / (1 + z_{\mathrm{True}}) > 0.15$ 处的离群分数 $\eta = 11.58\%$，与先前 ML 用于 AGN 的结果一致。我们还将该模型应用于 Stripe 82 区域数据，得到预测误差 $\sigma_{z}^{N} = 0.2501$。