利用机器学习从 HETDEX 巡天中识别 $z\sim3$ 处的活动星系核
星系天体物理
2023-03-29 v1
摘要
我们利用 Hobby-Eberly 望远镜暗能量实验（HETDEX）的数据研究 处连续谱选星系中 AGN 的出现率。基于 24 deg Spitzer HETDEX 探索性大面积（SHELA）巡天的光学与红外成像，我们构建了一个测光红移选的 星系样本。我们在其中 716 个源的位置提取了 HETDEX 光谱，并使用机器学习方法识别那些表现出类 AGN 特征的光谱。利用自编码器降低光谱维度，并通过 t 分布随机邻域嵌入（t-SNE）可视化潜空间。采用高斯混合模型对编码数据进行聚类，并使用带标签的数据集将每个簇标记为 AGN、恒星、高红移星系或低红移星系。我们的测光红移（photo-z）样本标注总体精度估计为 ，AGN 精度为 ，AGN 污染率为 。以识别出的 AGN 数量衡量了不同星等区间的 AGN 比例。 是 AGN 比例达到 的 UV 绝对星等。结合文献结果，我们对 AGN 比例的测量意味着星系光度函数的亮端呈现幂律而非指数下降， AGN 光度函数具有相对较浅的暗端斜率。
引用
@article{arxiv.2302.11092,
title = {Identifying Active Galactic Nuclei at $z\sim3$ from the HETDEX Survey Using Machine Learning},
author = {Valentina Tardugno Poleo and Steven Finkelstein and Gene C. K. Leung and Erin Mentuch Cooper and Karl Gebhardt and Daniel Farrow and Eric Gawiser and Gregory Zeimann and Donald Schneider and Leah Morabito and Daniel Mock and Chenxu Liu},
journal= {arXiv preprint arXiv:2302.11092},
year = {2023}
}