关于类鞭状星体演化的统一方案

机器学习（ML）和深度学习（DL）技术正越来越多地被用于天文学领域，这得益于数据量的不断增长以及获取方法的改进。这些方法现在支持从红移估计到源分类等各种任务。本文旨在（i）从费米4LAC-DR3目录中对类鞭状星体进行分类，特别是确定类型不确定的类鞭状星体（BCUs）的可能来源，（ii）研究完整的类鞭状星体样本以了解其结构和红移-亮度演化。我们特别关注平坦谱射电类星体（FSRQs）与BL Lacerta星体（BL Lacs）之间的过渡区域，这可能为了解吸积盘演化提供启示。我们将注意力放在可能作为这一过渡中间态的变化观察类鞭状星体（CLBs）上。我们实现了一个分类管道，使用两种强基准模型（XGBoost）和基于数百万表格数据集预训练的基础模型（TabPFN）。通过提取并降低最佳模型的高维潜在空间，我们提供了类鞭状星体群体的二维表示。这揭示了FSRQs与BL Lacs之间存在连续性，包括CLBs作为过渡源。这些结果支持从辐射高效（FSRQ样）到低效（BL Lac样）吸积的渐进式演化场景。最终，我们表明，单一概率得分结合潜在空间，为超越离散类的解释类鞭状星体多样性提供了新框架。