Jan, 2023

通过 LSTM 方法对类星体中央超大质量黑洞质量建模

PDF
TL;DR本研究使用深度学习和 LSTM 算法，通过考虑 QuasarNET 数据，试图找到适合描述类星体中心黑洞质量随时间变化的模型，并预测了该类天体中心超级质量黑洞的质量。
quasarsblack holessupermassiveredshiftdeep learning
发现论文，激发创造
  • 星系、黑洞及活动星系核共同演化的半解析模型

    本文提出一种新的半解析模型，自洽地跟踪 LCDM 宇宙框架下超大质量黑洞及其宿主星系生长，并阐述了它对研究低红移星系的物理性质，如冷气体分数和比星形成率等的预测。该模型成功复现了星形质量函数中的指数截断和星和冷气体质量密度，并预测目前时刻庞大星系中的恒星形成应大部分但并非全部地被抑制。此外，文章还对宇宙星际物质、原恒星质量组装和金属等宏观演化历史做出了预测，并探讨了该模型在 LCDM 宇宙学中的应用。

    Aug, 2008

  • 基于贝叶斯关注神经过程的天文多元时间序列黑洞属性推断

    本文介绍了一种利用望远镜观测 100 多万个星系中心的黑洞，恢复时间序列并推断黑洞质量和亮度等物理量的方法。该方法应用于模拟数据集并报告了对推断黑洞质量的精确度和准确度分别为 0.4 dex 和 0.3 dex 的结果。这项工作是首次以端到端的方式处理 AGN 的概率时间序列重建和参数推断。

    Jun, 2021

  • 类星体光学流量的变化是否由热波动驱动？

    本文研究了光变曲线在几十个类星体中的特征，并使用贝叶斯方法估算了特征时间尺度与振幅，进一步探讨了短时间尺度变化与黑洞质量和亮度的反相关性以及光学流量波动的成因和机制。

    Mar, 2009

  • 当谱建模遇上卷积网络：一种在多波段成像数据中发现复合再电离时代透镜类星体的方法

    本研究通过引入新的空间几何排除标准和扩大允许的光谱参数空间，并利用基于图像的深度学习方法进行实现，对重新电离时期的透镜星系进行了系统搜索，利用光谱能量分布的预选和卷积神经网络相对概率的计算方法，相结合，发现了 36 个新的透镜候选者。

    Nov, 2022

  • 一个质量为 8 亿太阳质量的黑洞于红移 7.5 的显著中性宇宙中被发现

    本研究发现一个质量巨大的超大质量黑洞距离宇宙大约只有 6.9 亿年，证实了早期黑洞增长的理论，揭示了更多中性氢的存在并说明其位于早期宇宙的重离子化时期。

    Dec, 2017

  • 采用从错误中学习的线性支持向量机进行类星体检测

    本文探讨了使用线性支持向量机技术检测类星体的方法，并结合集成装袋树技术，在考虑分类不平衡和错误成本的基础上对其性能进行了评估，取得了 False Negative Rate 的 10 倍降低。

    Oct, 2020

  • 活动星系核的多重生命：冷却流、黑洞、星系的亮度和颜色

    本文中，我们运用半解析模型对 Millennium Run 模拟中心超大质量黑洞和星系的生长进行了模拟，通过使用一种新的关于射电反馈的模型，成功解释了冷却流中观测到的低质量塌缩率、星系亮度函数中的明亮端指数截断以及最大星系倾向于是星系集群中的类球体支配系统并且包含比质量小星系系统老的恒星等天文现象。

    Aug, 2005

  • 高红移时期超大质量黑洞与宿主星系的共同演化：来自六个宇宙学模拟的矛盾及 JWST 的关键作用

    本文研究了不同宇宙学模拟对于高红移夸克星系中黑洞的质量和 Eddington 比例的预测是否一致，结果显示暗淡夸克星系的黑洞群与整个黑洞群的质量差异是固有的，并且基于这些暗淡夸克星系可帮助约束宇宙早期宇宙学模拟的黑洞、星系演化的准确度。

    Jan, 2022

  • 利用卷积神经网络探究超大质量黑洞反馈机制

    本研究使用卷积神经网络自动在低分辨率 X 射线图像中检测和表征星系团中的 X 射线空洞，并使用 ResNet 架构从像素预测中解码出空洞的半径。在模拟的数据上，我们的方法超过了目前基于视觉检查的方法的准确性、稳定性和速度。

    Dec, 2017

  • 深度学习赛弧谱线以探索和描述阻尼莱曼 α 系统

    本篇论文使用多目标学习的卷积神经网络来搜寻和表征夸克星光谱中的强氢 Lyman-Alpha 吸收，并完成分类和定量测量。该算法能够准确地预测 HI 吸收的存在性，并估计相应的 redshift zabs 和 HI 柱密度 NHI，并使用自定义的训练集进行模型训练，最后在 SDSS-DR7 和 BOSS 数据集中应用，证明了深度学习在天文光谱测量方面应用的有效性。

    Sep, 2017