VEXAS：VISTA 辅助巡天扩展——数据发布 2：基于机器学习的南天源分类

我们呈现 VISTA 辅助巡天扩展 (VEXAS) 的第二次公开数据发布 (DR)，其中我们基于机器学习算法集成将天体分类为恒星、星系与类星体。VEXAS 的目标是构建最宽的多波段星表，为大量科学用途提供参考星等、颜色与形态信息。我们在三个 VEXAS DR1 光学+红外 (IR) 表上，基于三种不同算法及不同星等集、训练样本与分类问题，应用 32 种不同机器学习模型的集成。这些表在 DR1 中通过 VISTA 近红外数据与 WISE 远红外数据以及来自暗能量巡天 (VEXAS-DESW)、Sky Mapper 巡天 (VEXAS-SMW) 和 PanSTARRS (VEXAS-PSW) 的光学星等交叉匹配创建。我们基于 6 个不同光谱巡天的组合构建了一个大型光谱确认天体表 (415 628 个独特天体) 用于训练。我们开发了特征填补以对一或多个波段星等缺失的天体也进行分类。我们总共分类了南天约 9000 万个天体。其中，约 62.9M (52.6M) 被分类为“高置信”(“可靠”)恒星，约 920k (750k) 为“高置信”(“可靠”)类星体，约 34.8M (34.1M) 为“高置信”(“可靠”)星系，其概率 $p_{\rm class}\ge 0.7$ ($p_{\rm class}\ge 0.9$)。高置信河外天体密度随巡天深度强烈变化：在 $p_{\rm class}\ge 0.7$ 时，VEXAS-DESW 覆盖区有 111/deg$^2$ 类星体，VEXAS-PSW 覆盖区有 103/deg$^2$，而 VEXAS-SM 覆盖区仅 10.7/deg$^2$。对于未被 DESW 与 PSW 覆盖的 SM 覆盖区，需要中红外深度提升及光学与近红外覆盖。