类星体因子分析——一种基于潜因子分析的无监督概率类星体连续谱预测算法

自首次发现以来，类星体一直是探测遥远宇宙的重要探针。然而，由于对其本质认知有限，预测类星体内禀连续谱一直制约着其应用。现有的类星体连续谱恢复方法常依赖于少量高质量类星体光谱，可能无法涵盖类星体群体的全部多样性。在本研究中，我们提出一种无监督概率模型——类星体因子分析（Quasar Factor Analysis, QFA），它将因子分析（FA）与星际介质（IGM）的物理先验相结合以克服这些局限。QFA 通过对类星体光谱的生成式建模来捕捉类星体连续谱的后验分布。我们证明，相较于先前方法，QFA 在 Ly$\alpha$ 森林区的连续谱预测可达到最先进性能，相对误差约 $2\%$。我们进一步拟合了来自 Sloan Digital Sky Survey 第16次数据发布的 90,678 条 $2<\mathrm{z}<3.5$、SNR$>2$ 的类星体光谱，发现对于先前方法难以确定的约 $30\%$ 类星体光谱，QFA 给出了视觉上更合理的连续谱。QFA 在 $\mathrm{z}\sim 3$ 的一维 Ly$\alpha$ 功率谱测量中达到 $\lesssim 1\%$ 误差，在 $\mathrm{z}\sim 2.4$ 达到约 $4\%$。此外，QFA 确定的潜因子比 PCA 更具物理动机。我们研究了潜因子的演化，除 Baldwin 效应外未报告显著的红移或光度依赖性。QFA 的生成特性还使其能稳健地进行异常检测；我们展示了 QFA 可有效挑选出异常类星体光谱，包括阻尼 Ly$\alpha$ 系统与潜在的 II 型类星体光谱。