用机器学习预测鲁宾星系 UGC 2885 的光谱

Wu & Peek (2020) 利用机器学习（ML）基于 Pan-STARRS 宽带 grizy 图像预测 SDSS 质量的光谱。在本快报中，我们针对一个独特天体——本地宇宙（D<100 Mpc）中最大且最庞大的孤立盘星系 UGC 2885（“鲁宾星系”）检验了他们的预测。在获得 ML 预测光谱后，我们将其与所有可与 SDSS 中心区域光谱相比较的现有光谱信息进行比较：两条档案光谱、一条从该星系的 VIRUS-P 观测中提取的光谱，以及一条新的 MMT/Binospec 定向观测光谱。定性上一致性良好，尽管与档案和 VIRUS-P 观测值相比，ML 预测更倾向于略偏向活动星系核（AGN）的线比。MMT/Binospec 核光谱明确显示出强发射线（Hβ 除外），其线比与 AGN 活动一致。这种基于 ML 的星系光谱方法可能是补充 NIR 颜色来识别 AGN 的可行途径。如此庞大的盘星系（M* = 10^{11} M⊙）竟无相互作用或并合迹象，却如何为其中心 AGN 提供燃料仍有待研究。