使用监督机器学习预测伽马射线响亮 AGN 的红移
高能天体物理现象
2021-10-27 v1 天体物理仪器与方法
摘要
AGN 是非常强大的星系，其特征是来自其中心超大质量黑洞的极亮辐射。了解 AGN 的红移为我们提供了确定其距离的机会，以研究重要的天体物理问题，例如早期恒星的演化、它们的形成以及早期星系的结构。红移的确定具有挑战性，因为它需要对多波长观测进行详细的后续跟进，通常涉及各种天文设施。在此，我们采用机器学习算法，根据第四费米大面积望远镜（Fermi-LAT）目录中伽马射线响亮 AGN 的观测伽马射线特性和光度数据来估计红移。预测是使用 Superlearner 算法获得的，并采用经 LASSO 选择的预测变量集。我们获得了紧密的相关性，推断红移与观测红移之间的皮尔逊相关系数为 71.3%，平均 {\Delta}z_norm = 11.6 x 10^-4。我们强调，尽管伽马射线响亮 AGN 样本量较小，我们仍使用 Superlearner（一种由多个机器学习模型组成的集成方法）获得了可靠的预测模型。
引用
@article{arxiv.2107.10952,
title = {Predicting the redshift of gamma-ray loud AGNs using supervised machine learning},
author = {Maria Giovanna Dainotti and Malgorzata Bogdan and Aditya Narendra and Spencer James Gibson and Blazej Miasojedow and Ioannis Liodakis and Agnieszka Pollo and Trevor Nelson and Kamil Wozniak and Zooey Nguyen and Johan Larrson},
journal= {arXiv preprint arXiv:2107.10952},
year = {2021}
}
备注
29 pages, 19 Figures with a total of 39 panels