利用HSC+WISE通过机器学习识别AGN宿主星系
星系天体物理
2021-10-26 v1 宇宙学与河外天体物理
摘要
我们使用机器学习技术来研究其在分类活动星系核(AGN)中的表现,包括X射线选AGN(XAGN)、红外选AGN(IRAGN)和射电选AGN(RAGN)。利用宇宙演化巡天(COSMOS)场中已知物理参数,我们能够在超Suprime-Cam(HSC)巡天区域内建立良好训练样本。我们比较了若干Python包(如scikit-learn、Keras和XGBoost),并使用XGBoost识别AGN并展示其表现(如准确率、精确率、召回率、F1分数和AUROC)。我们的结果表明,对明亮XAGN和IRAGN宿主星系表现较高。HSC(光学)信息与宽视场红外巡天 Explorer(WISE)band-1和WISE band-2(近红外)信息的结合在识别AGN宿主上表现良好。对于1型(宽线)XAGN和1型(未遮挡)IRAGN,利用光学到红外信息的表现非常好。这些结果可应用于HSC巡天广域的五波段数据,以及未来的全天巡天。
引用
@article{arxiv.2107.09678,
title = {Identifying AGN host galaxies by Machine Learning with HSC+WISE},
author = {Yu-Yen Chang and Bau-Ching Hsieh and Wei-Hao Wang and Yen-Ting Lin and Chen-Fatt Lim and Yoshiki Toba and Yuxing Zhong and Siou-Yu Chang},
journal= {arXiv preprint arXiv:2107.09678},
year = {2021}
}
备注
accepted for publication in ApJ