J-PAS：利用人工神经网络测量发射线
星系天体物理
2021-03-31 v3
摘要
在本文中，我们提出一种在 J-PAS 中探测并测量红移至 的发射线的新方法。J-PAS 将在未来几年以 56 个测光波段观测北天 ~deg 的天区。如此海量数据的发布为我们采用机器学习方法克服测光数据相关困难提供了机遇。我们使用由 CALIFA、MaNGA 和 SDSS 光谱构建的 J-PAS 合成测光数据训练并测试人工神经网络（ANNs）。我们执行两项任务：首先，依据光谱中测得的 、、 和 发射线的等值宽度（EW）将星系聚为两类。随后训练一个 ANN 为每星系指派类别。我们得以以 J-PAS 中可测测光红移的典型不确定度对它们分类。其次，我们利用另一个 ANN 确定这些 EW 的值。进而，我们得到 、 和 \ion{O}{3}\ion{N}{2} 比值，复原了 BPT 图。我们研究了 ANN 在两种训练样本上的表现：一种仅由来自 MaNGA 和 CALIFA 的合成 J-PAS 光-谱（J-光谱）（CALMa 集）组成，另一种由 SDSS 星系组成。通过 EW 的确定，我们恰当重现了恒星形成星系的主序。使用 CALMa 训练集，我们在 SDSS 测试样本中达到 和 比值 0.093 和 0.081 dex 的精度。然而，我们发现对于宿主为 AGN 的星系，这些比值在高值时被低估。我们也展示了用于训练和测试模型的数据集的重要性。ANNs 对于克服此前预期中类似 J-PAS 巡天发射线探测与测量的局限极为有用。
引用
@article{arxiv.2008.04287,
title = {J-PAS: Measuring emission lines with artificial neural networks},
author = {G. Martínez-Solaeche and R. M. González Delgado and R. García-Benito and A. de Amorim and E. Pérez and J. E. Rodríguez-Martín and L. A. Díaz-García and R. Cid Fernandes and C. López-Sanjuan and S. Bonoli and A. J. Cenarro and R. A. Dupke and A. Marín-Franch and J. Varela and H. Vázquez Ramió and L. R. Abramo and D. Cristóbal-Hornillo and M. Moles and J. Alcaniz and P. O. Baqui and N. Benitez and S. Carneiro and A. Cortesi and A. Ederoclite and V. Marra and C. Mendes de Oliveira and L. Sodré and J. M. Vílchez and K. Taylor and JPAS collaboration},
journal= {arXiv preprint arXiv:2008.04287},
year = {2021}
}
备注
19 pages, 14 figures, Accepted to A&A