费米 3FGL 未证认源的疑似对应体的 X 射线能谱与多波段机器学习分类

我们对 184 个费米-LAT 3FGL 未证认源的疑似对应体进行了 X 射线能谱拟合。对这些源的表征与分类使得高能天区的更完整族群研究成为可能。正如以耀变体和脉冲星为主导的族群所预期的那样,这些 X 射线能谱大多可被吸收幂律模型很好地拟合。有 7 个 X 射线源的能谱子集与耀变体或脉冲星预期的幂律不同,并可能与重合恒星或背景辐射相关。我们开发了一种多波段机器学习分类器,利用伽马射线与 X 射线观测将未证认源分类为脉冲星和耀变体。用已知脉冲星和耀变体训练随机森林程序,我们获得了 98.6% 的交叉验证分类准确率。将随机森林流程应用于未证认源,返回了 126 个疑似耀变体候选(定义为 $P_{bzr} > 90 \%$)和 5 个疑似脉冲星候选($P_{bzr} < 10 \%$)。与先前工作相比,我们新的 X 射线能谱分析并未大幅改变这些源的随机森林分类,但它构建了更稳健的分类方案并凸显了 X 射线能谱拟合的重要性。我们的流程可进一步通过紫外、可见光或射电能谱参数,或测量流量变率来扩展。