[논문 리뷰] Research and characterisation of blazar candidates among the Fermi/LAT 3FGL catalogue using multivariate classifications

Julien Lefaucheur, Santiago Pita|HAL (Le Centre pour la Communication Scientifique Directe)|2017. 03. 06.

Astrophysics and Cosmic Phenomena인용 수 4

한 줄 요약

이 연구는 페르미/LAT 3FGL 목록 데이터를 대상으로 다변량 분류기—강화된 결정 트리와 다층 퍼셉트론 신경망—를 사용하여 미분류 소스 중에서 595개의 새로운 블라자 후보를 식별하고, 후보자들과 BCUs(의심스러운 유형의 블라자)에서 509개의 BL Lacs와 295개의 FSRQs를 분류하였다. 이 방법은 고위도 후보자들에 대해 낮은 기대 오분류 비율(~425개 중 약 9개)을 달성하여, 인구 통계 연구 및 다파장 관측 후속 조사에 활용할 수 있는 감마선 블라자 샘플을 크게 향상시켰다.

ABSTRACT

In the recently published 3FGL catalogue, the Fermi/LAT collaboration reports the detection of $γ$-ray emission from 3034 sources obtained after four years of observations. The nature of 1010 of those sources is unknown, whereas 2023 have well-identified counterparts in other wavelengths. Most of the associated sources are labelled as blazars (1717/2023), but the BL Lacs or FSRQ nature of 573 of these blazars is still undetermined. The aim of this study was two-fold. First, to significantly increase the number of blazar candidates from a search among the large number of Fermi/LAT 3FGL unassociated sources (case A). Second, to determine the BL Lac or FSRQ nature of the blazar candidates, including those determined as such in this work and the blazar candidates of uncertain type (BCU) that are already present in the 3FGL catalogue (case B). For this purpose, multivariate classifiers were trained using samples of labelled sources with no caution flag from the 3FGL catalogue and carefully chosen discriminant parameters. The decisions of the classifiers were combined in order to obtain a high level of source identification along with well controlled numbers of expected false associations. Specifically for case A, dedicated classifications were generated for high and low galactic latitude sources, in addition, the application of classifiers to samples of sources with caution flag was considered separately, and specific performance metrics were estimated. We obtained a sample of 595 blazar candidates among the unassociated sources of the 3FGL catalogue. We also obtained a sample of 509 BL Lacs and 295 FSRQs from the blazar candidates cited above and the BCUs of the 3FGL catalogue. The number of expected false associations is given for different samples of candidates. It is, in particular, notably low ($\sim$9/425) for the sample of high-latitude blazar candidates from case A.

연구 동기 및 목표

• 미지의 성격을 지닌 1010개의 페르미/LAT 3FGL 미분류 소스 중에서 블라자 후보 수를 크게 증가시키기 위해.
• 3FGL 목록에 포함된 의심스러운 유형(BCUs)을 포함한 블라자 후보자들에 대해 BL Lacs 또는 FSRQ 유형으로 분류하기 위해.
• 통제된 오류 비율을 가진 강력한 다변량 분류 기법을 통해 오분류를 줄이기 위해.
• 은하간 배경 빛 및 블라자 시퀀스 연구에 활용할 수 있도록 감마선 블라자 인구의 통계적 특성화를 향상시키기 위해.

제안 방법

• 3FGL 소스 중 경고 플래그가 없는 소스를 대상으로, 신중하게 선택된 분류 기준 변수를 사용하여 강화된 결정 트리와 다층 퍼셉트론 신경망을 훈련시켰다.
• 은하수의 혼잡함을 고려하기 위해, 고위도(|b| > 10°)와 저위도(|b| ≤ 10°)의 미분류 소스에 대해 별도로 분류기를 적용하였다.
• 앙상블 투표와 성능 임계값 설정을 통해 식별 신뢰도를 극대화하고 오분류를 최소화하기 위해 분류기 결정을 통합하였다.
• 경고 플래그가 있는 소스에 대해 별도로 분류기 성능을 평가하였으며, 다양한 후보 샘플에 대한 기대 오진양성 비율을 추정하였다.
• 분류기 훈련에는 TMVA(Tkoolkit for Multivariate Analysis)를, 교차 매칭 및 데이터 조작에는 STILTS를 사용하였다.
• 관측 결과와 이전 연구와의 일치성 및 신뢰도를 평가하기 위해 스펙트로스코픽 관측 결과와의 검증을 실시하였다.

실험 결과

연구 질문

• RQ1 다변량 분류를 사용하여 페르미/LAT 3FGL의 미분류 소스 중에서 얼마나 많은 새로운 블라자 후보를 식별할 수 있는가?
• RQ2 특히 고위도에서, 식별된 블라자 후보 샘플의 기대 오분류 비율은 얼마인가?
• RQ3 다변량 분류기는 새로 식별된 후보자들과 BCUs 모두에서 BL Lacs와 FSRQs를 얼마나 잘 구분하는가?
• RQ4 결과가 독립적인 스펙트로스코픽 후속 관측과 이전 분류 연구와 얼마나 일치하는가?
• RQ5 변동성 매개변수 외에 스펙트럼 매개변수를 추가로 사용할 경우, 변동성 전용 분류기보다 BL Lacs와 FSRQs의 분리 성능이 향상되는가?

주요 결과

• 이 연구는 미분류 페르미/LAT 3FGL 소스 중에서 595개의 새로운 블라자 후보를 식별하였으며, 고위도 샘플에 대해 약 9개의 오분류가 기대되는 낮은 기대 오분류 비율(~425개 중 약 9개)을 확보하였다.
• 신규 후보자들과 BCUs를 종합하여 총 509개의 BL Lacs와 295개의 FSRQs를 식별하였으며, 이는 알려진 감마선 블라자 인구를 크게 확장한 것이다.
• BL Lacs에 대한 분류기 성능은 약 84%의 참양성률과 약 5%의 오양성률을 기록하여 이전의 변동성 전용 방법보다 뛰어난 성능을 보였다.
• FSRQs의 경우 약 69%의 참양성률과 약 12%의 오양성률을 달성하였으며, 변동성만을 고려한 경우보다 스펙트럼 매개변수에 더 잘 부합하는 결과를 보였다.
• 스펙트로스코픽 캠프에서 확보한 31개 소스 중 25개는 분류기가 BL Lacs 또는 FSRQs로 정확히 식별하였으며, 오류는 단 두 개뿐이었으며, 이는 관측 결과와의 강력한 일치를 시사한다.
• 스펙트럼 매개변수를 포함할 경우, BL Lacs와 FSRQs의 변동성 공간에서의 겹침 영역이 더 잘 분리됨을 확인하여, 스펙트럼 매개변수가 분류에 있어 중요하다는 점을 입증하였다.