基于梯度提升决策树的第四代费米-LAT星表不确定类型耀变体分类
高能天体物理现象
2022-12-28 v1 星系天体物理
摘要
目前可得的γ射线波段最深全天巡天——基于12年积累数据的最新费米-LAT星表发布版(4FGL-DR3)包含超过6600个源。其中最大的源族是耀变体子类——共3743个,其中60.1%被分类为蝎虎座BL型天体(BL Lacs)或平谱射电类星体(FSRQs),其余因缺乏确定的光学分类而被列为不确定类型耀变体候选体(BCU)。本研究的目的是利用在不同机器学习算法上训练已分类BL Lacs和FSRQs的光谱与时间性质来对BCU进行分类。采用人工神经网络、XGBoost和LightGBM算法构建BCU分类的预测模型。利用2219个BL Lacs和FSRQs的18个输入参数,我们训练(样本的80%)并测试(20%)这些算法,发现基于梯度提升决策树的前沿分类算法LightGBM模型提供最高性能。基于我们的最佳模型,我们将825个BCU分类为BL Lac候选体,405个为FSRQ候选体,然而190个仍无明确预测,但4FGL中BCU的比例降低至5.1%。利用大样本的γ射线光子指数、同步辐射峰值频率和高能峰值频率来研究FSRQs与BL Lacs(LBLs、IBLs和HBLs)之间的关系。
引用
@article{arxiv.2212.06614,
title = {Gradient boosting decision trees classification of blazars of uncertain type in the fourth Fermi-LAT catalog},
author = {N. Sahakyan and V. Vardanyan and M. Khachatryan},
journal= {arXiv preprint arXiv:2212.06614},
year = {2022}
}
备注
Accepted for publication in MNRAS