利用机器学习绘制GRS1915+105的X射线变率图
高能天体物理现象
2023-05-17 v2 天体物理仪器与方法
摘要
黑洞X射线双星系统（BHBs）包含一颗向恒星级黑洞吸积的密近伴星。典型的BHB会经历暂现爆发，期间表现出一系列长寿命的光谱态，每种态相对稳定性较好。GRS 1915+105是一个独特的BHB，在X射线中展现出数量与种类均无可比拟的 distinct 变率模式。其中许多模式含有在其他源中未见过的异常行为。Belloni等人（2000）已基于计数率与颜色特征将这些变率模式划分为不同类别。为从模式识别过程中去除人为决策，我们采用一种称为自编码器的无监督机器学习算法，通过让算法对观测进行聚类，学习哪些分类天然可区分。我们聚焦于Rossi X射线计时探测器的正比计数器阵列所获取的观测。我们发现自编码器将Belloni等人（2000）体系下归类为相似的观测紧密地聚在一起，但亦有合理依据将每一类定义为由3组 distinct 行为组分构成。
引用
@article{arxiv.2301.10467,
title = {Mapping the X-ray variability of GRS1915+105 with machine learning},
author = {Benjamin J. Ricketts and James F. Steiner and Cecilia Garraffo and Ronald A. Remillard and Daniela Huppenkothen},
journal= {arXiv preprint arXiv:2301.10467},
year = {2023}
}
备注
20 pages, 27 figures. For associated projection code to view the interactive 3D plot, see https://github.com/bjricketts/grs1915-auto-encoder