Đorđe V. Savić, Isidora Jankov, Weixiang Yu, Vincenzo Petrecca, Matthew J. Temple, Qingling Ni, Raphael Shirley, Andjelka B. Kovacevic, Mladen Nikolic, Dragana … 展开作者
Đorđe V. Savić, Isidora Jankov, Weixiang Yu, Vincenzo Petrecca, Matthew J. Temple, Qingling Ni, Raphael Shirley, Andjelka B. Kovacevic, Mladen Nikolic, Dragana Ilic, Luka C. Popovic, Maurizio Paolillo, Swayamtrupta Panda, Aleksandra Ciprijanovic, Gordon T. Richards
Development of the Rubin Observatory Legacy Survey of Space and Time (LSST) includes a series of Data Challenges (DC) arranged by various LSST Scientific Collaborations (SC) that are taking place during the projects preoperational phase. The AGN Science Collaboration Data Challenge (AGNSCDC) is a partial prototype of the expected LSST AGN data, aimed at validating machine learning approaches for AGN selection and characterization in large surveys like LSST. The AGNSC-DC took part in 2021 focusing on accuracy, robustness, and scalability. The training and the blinded datasets were constructed to mimic the future LSST release catalogs using the data from the Sloan Digital Sky Survey Stripe 82 region and the XMM-Newton Large Scale Structure Survey region. Data features were divided into astrometry, photometry, color, morphology, redshift and class label with the addition of variability features and images. We present the results of four DC submitted solutions using both classical and machine learning methods. We systematically test the performance of supervised (support vector machine, random forest, extreme gradient boosting, artificial neural network, convolutional neural network) and unsupervised (deep embedding clustering) models when applied to the problem of classifying/clustering sources as stars, galaxies or AGNs. We obtained classification accuracy 97.5% for supervised and clustering accuracy 96.0% for unsupervised models and 95.0% with a classic approach for a blinded dataset. We find that variability features significantly improve the accuracy of the trained models and correlation analysis among different bands enables a fast and inexpensive first order selection of quasar candidates
Scalable and Robust Multiband Modeling of AGN Light Curves in Rubin-LSST
Bishop’s University（主教大学）；Yale University（耶鲁大学）；Universidad Diego Portales（迭戈·波特莱斯大学）；Wayne State University（韦恩州立大学）；Universidad de Tarapacá（塔拉帕卡大学）；University of Napoli “Federico II（那不勒斯费德里科二世大学）；INAF - Osservatorio Astronomico di Capodimonte（意大利国家天体物理研究所卡波迪蒙特天文台）；Millennium Institute of Astrophysics (MAS)（天体物理学千年研究所）
AGN in massive galaxies identified via optical broadband variability: lessons from VST-COSMOS for future LSST science
University of Hertfordshire（赫特福德大学）；Department of Physics, University of Napoli “Federico II”（那不勒斯费德里科二世大学物理系）；Millennium Institute of Astrophysics (MAS)（天体物理学千年研究所）；INAF - Osservatorio Astronomico di Capodimonte（意大利国家天体物理研究所卡波迪蒙特天文台）；School of Physics and Astronomy, University of Nottingham（诺丁汉大学物理与天文学学院）
A random forest-based selection of optically variable AGN in the VST-COSMOS field
VLT巡天望远镜对COSMOS场的观测是研究活动星系核（AGN）变率的一个有吸引力的试验场。在3.3年内有54次r波段访问，单次访问深度为24.6 r波段磁，该数据集在Vera C的性能预测方面也特别有趣。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）这项工作是一系列致力于开发一种自动化的，强大的，有效的方法来识别光学可变AGN，旨在将其部署在未来的LSST数据的第五。我们测试的随机森林（RF）算法在选择光学可变活动星系核候选人的性能，调查如何使用不同的活动星系核标记集（LS）和功能集影响这种性能。我们定义了一个异构AGN LS和选择一组可变功能和光学和近红外颜色的基础上，可以从LSST数据中提取。我们发现，一个活动星系核LS，只包括I型源允许选择一个高纯度（91%）的样本的活动星系核候选人，获得一个完整的光谱证实活动星系核的69%（与59%，在我们以前的工作）。添加颜色的可变性功能温和地提高了RF分类器的性能，而单独的颜色证明不如在选择活动星系核的可变性有效，因为它们返回污染的样本的候选人，并未能确定大多数主机为主的活动星系核。我们观察到，一个明亮的（r < 21等）AGN LS能够检索不受震级削减影响的候选样本，这是非常重要的，因为LSST相关研究的微弱AGN LS将很难找到，可能是不平衡的。我们估计…
On possible proxies of AGN light curves cadence selection in future time domain surveys
受即将到来的光度和光谱调查的启发（Vera C. Rubin Observatory Legacy Survey of Space and Time（LSST），Manuakea Spectroscopic Explorer），设计了统计代理函数来测量活动星系核（AGN）的变化-可观测量（时滞、周期性和结构函数（SF））的韵律效应。我们构建了一个多元回归模型，统计识别的节奏形式的错误模式，知道AGN的时间滞后和周期性从不同的调查。我们定义了简单的度量SF的属性，占“观察到的”SF的偏差相对于那些从均匀采样的光变曲线。我们测试了不同的观测策略的回归模型：8个AGN的长光变曲线的光学数据集的特点和人工数据集的基础上几个理想化的LSST的节奏。在合成数据集上评估SFs度量。回归模型（对于两种数据类型）预测时滞和振荡检测的节奏相似，而对于具有低可变性的光变曲线（$\sim 10\%$），振荡检测的节奏不同。对于较高变异性（$\sim20\%$），预测的节奏大于$F_{var}\sim 10\%$。预测的节奏是减少红移。具有密集和同质节奏的SF更有可能表现出类似的行为。具有振荡信号的SF对节奏敏感，可能影响LSST样操作策略。建议的代理人可以帮助选择光谱和光度测量的节奏策略，他们将在更大的对象样本进行进一步测试。
AGN Variability with Rubin Observatory in the 2030s
International Gemini Observatory/NSF NOIRLab（国际双子星天文台/美国国家光学红外天文实验室）；Heidelberg Institute for Theoretical Studies（海德堡理论研究所）；Departamento de Astronomia, Instituto de Física, Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学物理学院天文学系）；Kavli Institute for Astronomy and Astrophysics, Peking University（北京大学卡尔·格利夫天体物理学研究所）；Center for Theoretical Physics, Polish Academy of Sciences（波兰科学院理论物理中心）；Instituto de Astrofísica de Andalucía (IAA-CSIC)（安达卢西亚天体物理学研究所（西班牙高等科学研究委员会））；Istituto Nazionale di Astrofisica, Osservatorio di Padova（意大利国家天体物理研究所帕多瓦观测站）
Predicting Quasar Counts Detectable in the LSST Survey
Kavli Institute for Astronomy and Astrophysics, Peking University（北京大学 Kavli天体物理与天文研究所）；National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）；The Pennsylvania State University（宾夕法尼亚州立大学）；Durham University（杜伦大学）；Wayne State University（韦恩州立大学）；International Gemini Observatory/NSF NOIRLab（国际双子星观测站/美国国家光学红外天文研究实验室）；Yale University（耶鲁大学）；University of Geneva（日内瓦大学）；Drexel University（德雷塞尔大学）；Beijing Normal University（北京师范大学）；University of Chinese Academy of Sciences（中国科学院大学）；University of Virginia（弗吉尼亚大学）
本文利用 LSST 模拟数据预测其在不同波段中可检测的类星体数量，并发现 u 波段策略变化对检测数量影响显著。
Scavenger hunt: Selection of obscured active galactic nuclei combining multiband optical variability and colors
University of Napoli “Federico II”（那不勒斯费德里科二世大学）；INAF - Osservatorio Astronomico di Capodimonte（意大利国家天体物理研究所卡波迪蒙特天文台）；INFN - Sezione di Napoli（意大利国家核物理研究院那不勒斯分部）；European Southern Observatory（欧洲南方天文台）
A Meta-Learning Framework for Multitask Reverberation Mapping in Active Galactic Nuclei
University of Belgrade（贝尔格莱德大学）；Niels Bohr Institute, University of Copenhagen（哥本哈根大学尼尔斯·玻尔研究所）；Hamburger Sternwarte, Universitat Hamburg（汉堡天文台，汉堡大学）；Tor Vergata University of Rome（罗马托维尔加塔大学）；INAF – Astronomical Observatory of Roma（意大利国家天体物理研究所罗马天文台）；INFN – Rome Tor Vergata（意大利国家核物理研究所罗马托维尔加塔分部）；Astronomical Observatory, Volgina 7（伏尔吉纳街7号天文台）；Université Côte d’Azur, Observatoire de la Côte d’Azur, CNRS, Laboratoire Lagrange（蔚蓝海岸大学、蔚蓝海岸天文台、法国国家科学研究中心拉格朗日实验室）；European Southern Observatory（欧洲南方天文台）；Rubin Observatory Project Office（鲁宾天文台项目办公室）
The contribution of the color space in LSST-like photometry for the selection of extragalactic globular cluster candidates
Universidade Tecnológica Federal do Paraná（巴西联邦技术巴拉那大学）；Laboratório Interinstitucional de e-Astronomia (LIneA)（跨机构电子天文学实验室）；Instituto de Física, Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学物理研究所）；Centre for Astrophysics Research, University of Hertfordshire（赫特福德大学天体物理学研究中心）；Department of Physics & Astronomy, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校物理与天文学系）；International Centre for Radio Astronomy Research, Curtin University（科廷大学国际射电天文研究中心）
Photometric redshifts for active galactic nuclei with LePHARE for the Vera C. Rubin Observatory
Max-Planck-Institut für extraterrestrische Physik（马克斯·普朗克地外物理学研究所）；Exzellenzcluster ORIGINS（ORIGINS卓越集群）；Université Clermont-Auvergne（克莱蒙奥弗涅大学）；Aix-Marseille Université（艾克斯-马赛大学）；Université Paris-Saclay（巴黎萨克雷大学）；Université Paris-Cité（巴黎 Cité 大学）；Núcleo de Astronomía de la Facultad de Ingeniería, Universidad Diego Portales（迭戈帕拉莱斯大学工程学院天文学中心）；School of Physics and Astronomy, University of Southampton（南安普顿大学物理与天文学院）；INAF-Osservatorio Astronomico di Roma（罗马国家天体物理研究所天文台）；Institute for Gravitation and the Cosmos, The Pennsylvania State University（宾夕法尼亚州立大学引力与宇宙学研究所）
本研究针对Vera C. Rubin天文台的LSST巡天，用LePHARE分析AGN测光红移的影响因素，提供AGN处理配置及COSMOS天区AGN测光红移数据，优化AGN测光红移计算。
Identifying Tidal Disruption Events via Prior Photometric Selection of Their Preferred Hosts
在星暴后的星系或其他具有强烈巴耳末吸收的静止星系中检测到的核瞬变很可能是潮汐破裂事件（TDE）。在大型综合巡天望远镜（LSST）的计划调查足迹内识别这些星系-在检测到瞬变之前-将使TDE分类立即和后续更有效。不幸的是，大多数这类星系的光谱都是不可用的，简单的光度选择是无效的;切割“绿谷”紫外/光学/红外颜色产生的样品是高度污染和不完整的。在这里，我们提出了一个新的策略，只使用光度光学/UV/IR数据从大型调查。将机器学习随机森林分类器应用于GALEX和WISE测光的~ 400 k SDSS星系样本，包括13，592个静态Balmer强星系，我们获得了53-61%的纯度和8-21%的完整性，给出了红移范围。对于1299个恒星暴增后星系的子集，我们实现了63-73%的纯度和5-12%的完整性。考虑到这些结果，可能的TDE和超新星发生率的范围，以及36-75%的TDE发生在静止的Balmer强宿主中，我们估计在光度选择的宿主星系中观察到的瞬变中有13-99%将是TDE，并且我们将发现LSST每年119-248个TDE。使用我们的技术，我们提出了一个新的目录67,484候选星系预计有一个高的TDE率，从SDSS，泛星，DES和WISE测光调查。这个样本比目前SDSS的类似星系样本大3.5倍，从而为瞬态科学和星系演化研究提供了一条新的前进道路。
Buried AGNs in Advanced Mergers:Mid-infrared color selection as a dual AGN finder
分级星系形成的一个直接后果是双超大质量黑洞（SMBH）的存在，这可能是优先触发的活动星系核（AGN）在星系合并。然而，尽管进行了数十年的研究，双活动星系核仍然非常罕见，而且大多数都是偶然发现的。使用全天空WISE调查，我们确定了100多个形态上确定的相互作用的星系或合并，显示红色中红外颜色通常与河外源与强大的活动星系核。绝大多数这些先进的合并被光学分类为恒星形成星系，这表明它们可能代表了一个模糊的AGN人口，无法通过光学研究发现。在这项工作中，我们提出了钱德拉/ACIS观测和近红外光谱与大双筒望远镜的六个先进的合并与投影对分离小于10千秒差距。这些合并的X射线，近红外和中红外特性提供了确认，六个合并中有四个至少有一个活动星系核，其中四个合并可能有两个活动星系核，预计分离小于~10 kpc，尽管没有基于光学光谱研究的活动星系核的确凿证据。我们的研究结果表明：1）光学研究错过了一个显着的比例单和双活动星系核在先进的合并，2）中红外预选是非常有效的，在识别双活动星系核候选人在后期合并。我们的多波长观测表明，这些合并中掩埋的活动星系核被高度吸收，内禀柱密度超过NH> 10^24 cm ^-2，这与流体动力学模拟结果一致。
Mid-infrared Variability-based AGN Selection using the Multi-epoch Photometric Data from WISE
Yonsei University（延世大学）；Kyungpook National University（庆北国立大学）；Kavli Institute for Astronomy and Astrophysics, Peking University（北京大学柯利天体物理研究所）；Department of Astronomy, School of Physics, Peking University（北京大学物理学院天文学系）
AGN selection by 18-band SED fitting in mid-infrared in the AKARI NEP deep field
本研究为红外活动星系核的选择提供了一种新的、有效的方法。在过去，活动星系核在红外光谱中的选择性是由许多研究用色图建立的。然而，这些方法都有一个共同的问题，即频带的数量有限。AKARI北极点（NEP）调查由AKARI红外相机（IRC）进行，该相机具有9个中红外滤光片，连续波长覆盖范围为2至24 $μ$ m $^{-1}$。基于活动星系核和恒星形成星系（SFG）的中红外特征的内在差异，我们利用最佳拟合模型对两个星系群进行了SED拟合。在X射线活动星系核样本中，我们的方法通过SED拟合选择了50个$\%$活动星系核，而以前的方法通过颜色准则只恢复了其中的30个$\%$，这是一个显着的改进。此外，在整个NEP深度样本中，SED拟合选择的活动星系核是颜色选择的两倍。这可能意味着黑洞的吸积历史可能比人们以前预期的更强。
The Biases of Optical Line-Ratio Selection for Active Galactic Nuclei, and the Intrinsic Relationship between Black Hole Accretion and Galaxy Star Formation
Unlocking AGN Variability with Custom ZTF Photometry for High-Fidelity Light Curves and Robust Selection
Universidad de Valparaíso（瓦尔帕莱索大学）；Millennium Nucleus on Transversal Research and Technology to Explore Supermassive Black Holes (TITANS)（探索超大质量黑洞跨学科研究与技术千年核）；Universidad de Chile（智利大学）；Millennium Institute of Astrophysics (MAS)（天体物理千年研究所）；European Southern Observatory（欧洲南方天文台）；Universidad de Tarapacá（塔拉帕卡大学）
