用于探测黑洞周围光回波的机器学习应用
高能天体物理现象
2021-08-18 v1 天体物理仪器与方法
摘要
X射线混响已成为探测黑洞附近吸积盘-日冕几何结构的强有力工具。在此，我们开发机器学习（ML）模型以提取印迹在活动星系核（AGN）功率谱密度（PSD）中的X射线混响特征。该机器使用以简单幂律形式编码了相对论回波特征的模拟PSD进行训练。字典学习与稀疏编码算法被用于PSD重建，通过将含噪PSD转换为具有代表性的稀疏版本。随后，采用支持向量机从重建后的、包含源高度信息的PSD中提取可解释的混响特征。结果表明，预测源高度的精度确实很高，仅当 > 15时才发现误分类。当测试PSD具有弯曲幂律形状（对机器完全陌生）时，精度仍然很高。因此，ML模型无需预先确定PSD的本征形状。通过聚焦于真实AGN数据中观测到的PSD参数空间，即使使用包含低至总量10%反射通量的能段PSD，对 10的分类也能以100%的精度确定。对于 > 10，若数据被误分类，其不确定性很小，为 ~ 2-4。这项工作作为一个概念验证表明，ML技术可塑造X射线混响分析中的新方法学方向。
引用
@article{arxiv.2107.08887,
title = {Machine learning application to detect light echoes around black holes},
author = {P. Chainakun and N. Mankatwit and P. Thongkonsing and A. J. Young},
journal= {arXiv preprint arXiv:2107.08887},
year = {2021}
}
备注
12 pages, 13 figures, accepted for publication in MNRAS