利用随机森林分类在 M31 中识别新的 X 射线双星候选体
星系天体物理
2020-05-11 v1 高能天体物理现象
天体物理仪器与方法
摘要
在近邻星系中识别 X 射线双星（XRB）候选体需要将它们与可能包括前景恒星和背景活动星系核的潜在污染物区分开来。本工作研究了利用监督式机器学习算法识别高概率 X 射线双星候选体。利用仙女座星系中 943 个 Chandra X 射线源的星表，我们使用 163 个已知类型源的 X 射线性质训练并测试了若干分类算法。在测试的算法中，我们发现随机森林分类器表现最佳，并且在二分类（XRB/非 XRB）情境下优于多类分类。通过将我们的方法与作为 Panchromatic Hubble Andromeda Treasury 一部分的可见光和硬 X 射线观测分类进行比较来评估方法，我们发现二者在 90% 的水平上相容，但提醒共有源数量相当少。随机森林二分类与多分类方法对一个天体为 X 射线双星的概率估计吻合良好，并且我们发现置信度最高的分类属于 X 射线双星类。最具判别力的 X 射线波段为 1.7-2.8、0.5-1.0、2.0-4.0 和 2.0-7.0 keV 光子通量比。在仙女座星表中 780 个未分类源里，我们识别出 16 个新的高概率 X 射线双星候选体，并列出其性质以供后续观测。
引用
@article{arxiv.2001.07691,
title = {Identifying New X-ray Binary Candidates in M31 using Random Forest Classification},
author = {R. M. Arnason and P. Barmby and N. Vulic},
journal= {arXiv preprint arXiv:2001.07691},
year = {2020}
}
备注
16 pages, 8 figures; accepted to MNRAS