基于贝叶斯注意力神经过程从天文多元时间序列推断黑洞性质
天体物理仪器与方法
2021-06-22 v2 高能天体物理现象
机器学习
摘要
在宇宙中最极端的天体中，活动星系核（AGN）是星系的光亮中心，其中黑洞吞噬周围物质。AGN发出的光的变化模式包含关于 underlying 黑洞物理性质的信息。即将建成的望远镜将在多个宽带波长上观测超过1亿个AGN，产生具有长间隙和不规则采样的大量多元时间序列样本。我们提出一种方法，重建AGN时间序列并同时推断黑洞物理量（包括其质量和光度）上的后验概率密度分布（PDF）。我们将该方法应用于一个包含11,000个AGN的模拟数据集，并报告推断的黑洞质量精度和准确度分别为0.4 dex和0.3 dex。该工作是首个以端到端方式处理AGN的概率时间序列重建与参数推断的。
引用
@article{arxiv.2106.01450,
title = {Inferring Black Hole Properties from Astronomical Multivariate Time Series with Bayesian Attentive Neural Processes},
author = {Ji Won Park and Ashley Villar and Yin Li and Yan-Fei Jiang and Shirley Ho and Joshua Yao-Yu Lin and Philip J. Marshall and Aaron Roodman},
journal= {arXiv preprint arXiv:2106.01450},
year = {2021}
}
备注
6 pages, 4 figures, 1 table, written for non-astronomers, submitted to the ICML 2021 Time Series and Uncertainty and Robustness in Deep Learning Workshops. Comments welcome! Added affiliations and references for Fig 1