[논문 리뷰] Active galactic nuclei synapses: X-ray versus optical classifications using artificial neural networks

O. González-Martín, D. Díaz-González외 6명|arXiv (Cornell University)|2014. 04. 03.

Galaxies: Formation, Evolution, Phenomena참고 문헌 71인용 수 12

한 줄 요약

이 연구는 인공 신경망(ANN)을 사용하여 X선 및 적외선 스펙트럼 특성 간의 연관성을 통해 활성 은하핵(AGN)을 분류하며, S1/S1.8 및 성간성 블랙홀(SB) 유형의 90%가 정확하게 분류됨을 밝혀냈다. 주요 발견은 대부분의 발광선 핵, 특히 약한 AGN가 S1/S1.8 유형과 유사한 비무시적인 X선 성분을 보이며, 이는 은하계의 주변 또는 흡수 효과로 인해 가려진 광범위한 AGN 활동을 시사한다.

ABSTRACT

(Abridged) Many classes of active galactic nuclei (AGN) have been defined entirely throughout optical wavelengths while the X-ray spectra have been very useful to investigate their inner regions. However, optical and X-ray results show many discrepancies that have not been fully understood yet. The aim of this paper is to study the "synapses" between the X-ray and optical classifications. For the first time, the new EFLUXER task allowed us to analyse broad band X-ray spectra of emission line nuclei (ELN) without any prior spectral fitting using artificial neural networks (ANNs). Our sample comprises 162 XMM-Newton/pn spectra of 90 local ELN in the Palomar sample. It includes starbursts (SB), transition objects (T2), LINERs (L1.8 and L2), and Seyferts (S1, S1.8, and S2). The ANNs are 90% efficient at classifying the trained classes S1, S1.8, and SB. The S1 and S1.8 classes show a wide range of S1- and S1.8-like components. We suggest that this is related to a large degree of obscuration at X-rays. The S1, S1.8, S2, L1.8, L2/T2/SB-AGN (SB with indications of AGN), and SB classes have similar average X-ray spectra within each class, but these average spectra can be distinguished from class to class. The S2 (L1.8) class is linked to the S1.8 (S1) class with larger SB-like component than the S1.8 (S1) class. The L2, T2, and SB-AGN classes conform a class in the X-rays similar to the S2 class albeit with larger fractions of SB-like component. This SB-like component is the contribution of the star-formation in the host galaxy, which is large when the AGN is weak. An AGN-like component seems to be present in the vast majority of the ELN, attending to the non-negligible fraction of S1-like or S1.8-like component. This trained ANN could be used to infer optical properties from X-ray spectra in surveys like eRosita.

연구 동기 및 목표

• 활성 은하핵(AGN)의 X선 및 적외선 분류 간의 연관성을 조사하며, 특히 이들 간의 모순을 해결하는 것.
• 기계학습을 활용하여 X선 스펙트럼 특성이 옵티컬 AGN 유형을 얼마나 신뢰성 있게 예측할 수 있는지 판단하는 것.
• 저광도 또는 전이 AGN 유형으로 분류된 옵티컬 AGN 유형에서 AGN 유사 성분의 퍼지율을 평가하는 것.
• 은폐 또는 은하계 발광이 관측된 X선 스펙트럼의 형태에 미치는 영향을 탐색하는 것.
• 향후 eRosita와 같은 대규모 설문 조사에 적용 가능한 강력하고 자동화된 방법을 개발하는 것.

제안 방법

• 162개의 국지적 발광선 핵에 대해 사전 스펙트럼 피팅 없이 XMM-Newton/pn의 밴드폭 X선 스펙트럼을 분석하기 위해 efluxer 작업을 적용.
• 인공 신경망(ANN)을 X선 스펙트럼 특성에 기반해 옵티컬 AGN 유형(S1, S1.8, S2, L1.8, L2, T2, SB, SB-AGN)으로 분류하도록 훈련.
• 고정된 스펙트럼 지수 Γ = 2.1과 흡수체(zwabs)를 사용하여 수소 열량 밀도(NH)를 추정하며, 철 Kα 특징을 위해 6.4, 6.7, 6.95 keV에서 고정 너비의 가우시안 선을 사용.
• 자기 추정 NH 값과 문헌 결과를 비교하여 일관성을 검증하며, 특히 저 NH 및 고 NH 케이스에서 검토.
• 스펙트럼 성분을 S1 유사, S1.8 유사, SB 유사 기여도의 비율로 정의하여 X선 형태를 해석.
• 훈련 및 테스트 세트를 사용하여 분류 성능을 평가하며, 옵티컬 유형 간의 민감도 및 특이도에 중점을 둔다.

실험 결과

연구 질문

• RQ1 기계학습을 통해 X선 스펙트럼 특성이 옵티컬 AGN 분류를 얼마나 정확하게 예측할 수 있는가?
• RQ2 S1 유사, S1.8 유사, SB 유사 X선 스펙트럼 성분이 옵티컬 AGN 유형과 어떻게 관련되어 있는가, 특히 저이온화 또는 전이 물체에서 어떻게 나타나는가?
• RQ3 발광선 핵의 몇 퍼센트가 옵티컬적으로 비-AGN 또는 LINER로 분류되더라도 감지 가능한 AGN 유사 X선 성분을 보이는가?
• RQ4 은폐 또는 은하계 기여가 얇거나 가려진 AGN에서 관측된 X선 스펙트럼에 어떻게 영향을 미치는가?
• RQ5 이 샘플에 기반한 ANN 모델을 eRosita와 같은 대규모 설문 조사에서 X선 데이터로부터 옵티컬 AGN 특성을 유추하는 데 사용할 수 있는가?

주요 결과

• ANN은 S1, S1.8 및 성간성 블랙홀(SB) 유형에서 90%의 분류 정확도를 달성하여 이 유형에 대해 강력한 예측 능력을 보였다.
• S1 및 S1.8 유형은 SB 유사 성분 기여도가 극히 낮았지만, 값의 범위가 넓어 이들 원천에서 상당한 X선 은폐가 존재함을 시사했다.
• 모든 옵티컬 유형(S2, L1.8, L2/T2/SB-AGN, SB)은 유사한 평균 X선 스펙트럼을 보였지만, 상호 구별 가능했다.
• S2(L1.8) 유형은 S1.8(S1) 유형과 더 높은 SB 유사 성분 기여도를 연결하며, 은하계 또는 산란된 빛에 의한 오염 가능성을 시사했다.
• L2, T2 및 SB-AGN 유형은 S2와 유사한 X선 유형을 보였지만, 더 높은 비율의 SB 유사 성분을 포함하여 약한 AGN에서 은하계 발광이 기여했을 가능성이 있다.
• 발광선 핵의 최대 80%가 무시할 수 없는 S1 유사 또는 S1.8 유사 X선 성분을 보이며, 이는 옵티컬적으로 비세이퍼트 유형으로 분류된 물체에서도 AGN 유사 방출이 흔하다는 것을 시사한다.