暗星候选体的神经网络识别 I. 测光

宇宙中第一批恒星的形成可能受到暗物质（DM）效应的显著影响。即，如果 DM 以弱相互作用大质量粒子（WIMP）的形式存在，它可能导致仅由 DM 湮灭驱动的恒星（即暗星，DSs）的形成（在 $z\sim 25-10$ 处）。这些天体可以成长为超大质量天体（$M\sim 10^6 \Msun$），并像星系一样明亮（$L\sim 10^8 \Msun$）。通过简单的 $\chi^2$ 最小化，\cite{Ilie:2023JADES} 识别了前三个 DS 测光候选体（即 \JADESeleven、\JADEStwelve 和 \JADESzthirteen）。我们的目标是开发工具，以简化在相当庞大的公开高红移 JWST 数据集中对此类候选体的识别。我们在此展示实现该目标的关键第一步：利用 James Webb Space Telescope（JWST）高级深空河外星系巡天（JADES）测光目录的数据，开发并实现用于搜索暗星候选体的前馈神经网络（FFNN）。基于卡方拟合优度检验，我们的方法重新确认了 JADES-GS-z13 和 JADES-GS-z11 为暗星候选体，但速度比 \cite{Ilie:2023JADES} 中使用的 Neadler-Mead $\chi^2$ 最小化方法快约 $\sim10^4$ 倍。我们进一步在红移 $z \sim 9$ 到 $z \sim 14$ 范围内识别出六个新的暗星测光候选体。这些发现突显了神经网络在建模非线性关系和高效分析大规模测光巡天方面的能力，推进了对暗星的搜寻。