银河活动、环状与外流调查（GATOS）：基于机器学习的黑洞质量估计
星系天体物理
2025-01-29 v1
摘要
活跃性天文物的喂养与反馈机制尚不为人所知。对于低亮度和被掩蔽的活跃性天文体以及后型星系，确定中心黑洞（BH）质量具有挑战。GATOS 样本的目标是研究星际核区域，比比例关系提供的更精确的估计。我们利用 ALMA 的高空间分辨率，在 GATOS 七个星系的超大质量黑洞（SMBH）周围约 100 pc 处解析 CO(3-2) 辐射，以估计其 BH 质量。我们研究来自 GATOS 核心样本的七个亮星系（），其距离小于 28 Mpc。为进行比较，我们在文献中搜索了之前的 BH 质量估计，并使用 - 关系和 BH 活动基本面进行了额外计算。我们 developed a 有监督的机器学习方法，从 ALMA CO(3-2) 观测的位移-速度图或一阶矩图中估计 BH 质量。广泛参数范围的数值模拟创建了训练、验证和测试集。七个星系提供了足够的气体进行 BH 质量估计：NGC4388、NGC5506、NGC5643、NGC6300、NGC7314、NGC7465 和 NGC~7582。我们的 BH 质量范围为 6.39 到 7.18 log，与之前的估计一致。此外，我们的机器学习方法提供了具有置信区间的稳健误差估计，优于比例关系。该工作是向使用机器学习进行自动化 估计方法迈出的第一步。
引用
@article{arxiv.2411.18200,
title = {The Galaxy Activity, Torus, and Outflow Survey (GATOS). Black hole mass estimation using machine learning},
author = {R. Poitevineau and F. Combes and S. Garcia-Burillo and D. Cornu and A. Alonso Herrero and C. Ramos Almeida and A. Audibert and E. Bellocchi and P. G. Boorman and A. J. Bunker and R. Davies and T. Díaz-Santos and I. García-Bernete and B. García-Lorenzo and O. González-Martín and E. K. S. Hicks and S. F. Hönig and L. K. Hunt and M. Imanishi and M. Pereira-Santaella and C. Ricci and D. Rigopoulou and D. J. Rosario and D. Rouan and M. Villar Martin and M. Ward},
journal= {arXiv preprint arXiv:2411.18200},
year = {2025}
}