[论文解读] Active galactic nuclei synapses: X-ray versus optical classifications using artificial neural networks

O. González-Martín, D. Díaz-González+6 more|arXiv (Cornell University)|Apr 3, 2014

Galaxies: Formation, Evolution, Phenomena参考文献 71被引用 12

一句话总结

本研究利用人工神经网络（ANN）将X射线与光学光谱特性关联，以分类活动星系核（AGN），发现90%的S1/S1.8和星暴类被正确分类。关键发现是，大多数发射线核——尤其是弱AGN——表现出显著的X射线成分，类似于S1/S1.8类型，表明广泛存在的被宿主星系或吸收效应遮挡的AGN活动。

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.

研究动机与目标

• 调查活动星系核（AGN）的X射线与光学分类之间的关联，特别是解决两者之间的差异。
• 确定是否可利用机器学习可靠地通过X射线光谱特性预测光学AGN类型。
• 评估AGN类成分在光学分类为低光度或过渡AGN类中的普遍性。
• 探讨遮挡和宿主星系辐射在塑造观测到的X射线光谱中的作用。
• 开发一种稳健、自动化的从X射线数据推断光学AGN类型的方法，适用于未来如eRosita等大样本巡天。

提出的方法

• 应用efluxer任务分析162个本地发射线核的宽能段XMM-Newton/pn X射线光谱，未进行预先的光谱拟合。
• 使用X射线光谱特征训练人工神经网络（ANN），将天体分类为光学AGN类型：S1、S1.8、S2、L1.8、L2、T2、SB和SB-AGN。
• 采用固定谱指数Γ = 2.1的单幂律模型及吸收体（zwabs）估算氢柱密度（NH），并在6.4、6.7和6.95 keV处设置固定线宽的高斯线以表征Fe Kα特征。
• 将自估的NH值与文献结果对比，验证一致性，特别是低和高NH情况。
• 将光谱成分定义为S1类、S1.8类和SB类贡献的分数，以解释X射线形态。
• 通过训练集和测试集评估分类性能，重点关注各类光学分类的敏感性和特异性。

实验结果

研究问题

• RQ1 在多大程度上，X射线光谱特征可通过机器学习可靠预测AGN的光学分类？
• RQ2 X射线光谱成分（S1类、S1.8类、SB类）与光学AGN类型之间有何关联，特别是在低电离或过渡天体中？
• RQ3 在光学分类为非AGN或LINER的天体中，有多少比例的发射线核表现出可检测的类AGN X射线成分？
• RQ4 遮挡或宿主星系贡献如何影响弱或遮挡AGN的观测X射线谱？
• RQ5 本样本训练的ANN模型是否可用于从X射线数据推断eRosita等大规模巡天中的光学AGN属性？

主要发现

• ANN对S1、S1.8和星暴（SB）类别的分类准确率达到90%，表明对这些类型的预测能力很强。
• S1和S1.8类别中SB类成分的贡献可忽略不计，但其取值范围广泛，表明这些源中存在显著的X射线遮挡。
• 所有光学类别——包括S2、L1.8、L2/T2/SB-AGN和SB——具有相似的平均X射线光谱，但可相互区分。
• S2（L1.8）类别与S1.8（S1）类别相关联，且SB类成分贡献较大，表明可能存在宿主星系或散射光污染。
• L2、T2和SB-AGN类别形成一个与S2相似的X射线类别，但SB类成分比例更高，可能源于弱AGN中宿主星系的辐射贡献。
• 多达80%的发射线核表现出显著的S1类或S1.8类X射线成分，表明即使在光学分类为非赛肯特类型的天体中，类AGN辐射也普遍存在。