利用光学偏振与机器学习探测未证认的费米类耀变体种群
高能天体物理现象
2019-05-01 v1
摘要
费米伽马射线空间望远镜革新了我们对伽马射线天空及宇宙中高能过程的认知。自费米发射以来，已知伽马射线发射体数量已增加数个量级，但至今仍有逾千个被探测到的点源其低能对应体未知。为应对此问题，我们结合RoboPol巡天的光学偏振测量以及公开全天巡天中其他耀变体判别量，置于机器学习（随机森林与逻辑回归）框架中，能以 >95% 的准确度在费米未证认天区中识别耀变体。在所考虑的潜在观测偏差中，耀变体变异性似乎影响最显著，将框架预测能力降至约80-85%。我们将机器学习框架应用于使用RoboPol偏振计观测的六个费米未证认天区。我们确认了Mandarakas等人针对3FGL J0221.2+2518所提出的同一候选源。
引用
@article{arxiv.1904.04278,
title = {Probing the unidentified Fermi blazar-like population using optical polarization and machine learning},
author = {I. Liodakis and D. Blinov},
journal= {arXiv preprint arXiv:1904.04278},
year = {2019}
}
备注
9 pages, 10 figures, accepted for publication in MNRAS