用卷积神经网络建模耀变体宽波段辐射——I. 同步自康普顿模型
高能天体物理现象
2023-11-07 v1
摘要
对耀变体的多波段能谱分布(SEDs)进行建模，可深入揭示产生辐射的潜在物理过程。尽管采用自洽模型进行SED建模计算代价高昂，但对于全面理解这些天体而言必不可少。我们引入了一种新颖且高效的方法，借助卷积神经网络(CNN)对耀变体的SED进行建模。本文中，我们在一个包含同步辐射与逆康普顿辐射以及自洽电子冷却和正负电子对产生-湮灭过程的轻子模型上训练了该CNN。该CNN能够以高精度复现耀变体的辐射特征。此方法显著减少了计算时间，从而能够实现针对多波段数据集的实时拟合。作为演示，我们使用训练好的CNN结合MultiNest对Mrk 421和1ES 1959+650的宽波段SED进行拟合，成功获得了它们的参数后验分布。这一用于拟合耀变体SED的新框架将进一步扩展，以纳入基于外康普顿和强子情形的更复杂模型，从而在分析中实现多信使约束。这些模型将通过名为Markarian多波段数据中心(Markarian Multiwavelength Datacenter)的网络接口公开，以促进对耀变体观测多信使数据的自洽建模。
引用
@article{arxiv.2311.02979,
title = {Modeling blazar broadband emission with convolutional neural networks -- I. Synchrotron self-Compton model},
author = {Damien Bégué and Narek Sahakyan and Hüsne Dereli Bégué and Paolo Giommi and Sargis Gasparyan and Mher Khachatryan and Andrea Casotto and Asaf Pe'er},
journal= {arXiv preprint arXiv:2311.02979},
year = {2023}
}
备注
16 pages, submitted to ApJ. The model will be publicly available from the 20th of November on https://mmdc.am/