Estimating Galactic gas content using different tracers: Compatibility of results, dark gas, and unidentified TeV sources
银河系中很大一部分甚高能量（VHE; E $\gtrsim$ 100 GeV）$γ$射线源被归类为未被识别的。在这项工作中，我们探讨的可能性，这些身份不明的来源是位于环境中，特别是丰富的物质含量的传统示踪剂。在VHE排放是由于加速粒子与目标质量的相互作用的情况下，大量未示踪材料可能对这些区域的VHE排放有很大贡献。在这里，我们使用三种示踪剂的共同探索的组成部分：强度的$^\textrm{12}$ CO（1 $\rightarrow$ 0）线跟踪分子材料，HI超精细跃迁在21厘米跟踪原子氢，和尘埃排放跟踪总氢含量。我们表明，从这三个示踪剂的材料含量的估计是兼容的，如果考虑到各自的转换因子的不确定性。在这些区域中没有发现额外的气体组分。然而，根据$^\textrm{12}$ CO（1 $\rightarrow$ 0）谱线强度进行的简单质量估计可能会低估某些位置的总质量分量。
2014-12-09 astro-ph.GA astro-ph.HE
Estimating the Kinematic Parameters and the Distance-Scale Zero Point for the Thin-Disk, Thick-Disk, and Halo Population Tracers via 3D Velocity Data
我们使用统计视差的方法来约束距离尺度零点，并分析银河系经典造父变星，RR天琴座型变量，蓝色水平分支星，作为标准蜡烛/运动示踪剂的各种银河系人口的广泛样本的运动学。根据天琴座RR型变星晕、BHB星和造父变星自转曲线的平均速度，得到了三个一致的局部圆速度估计值，其平均值为210+/-6 km/s，与BHB星银心距5-40 kpc区间的平均圆速度接近（195+/-5 km/s），从而为银河系自转曲线在距离中心约5 kpc以外的实际平坦形状提供了进一步的支持证据。距离尺度的修正意味着太阳银心距离为7.7+/-0.4 kpc，LMC距离模数为18.42+/-0.06，哈勃常数为73-85 km/s/Mpc。
2010-01-09 astro-ph.GA
Estimating Masses of Supermassive Black Holes in Active Galactic Nuclei from the Halpha Emission Line
本研究基于宽Halpha发射线，利用去趋势后的reverberation mapping数据，构建了仅需Halpha光度和线宽的AGN超大质量黑洞质量估算器，考虑了光度、线宽和Eddington ratio，精度约0.2-0.3 dex。
2025-01-28 astro-ph.GA
Estimating the triaxiality of massive clusters from 2D observables in MillenniumTNG with machine learning
Johns Hopkins University（约翰斯·霍普金斯大学）；Space Telescope Science Institute（太空望远镜科学研究所）；Durham University（杜伦大学）；Max-Planck-Institut für Astrophysik（马克斯·普朗克天体物理学研究所）；Kavli Institute for Cosmology Cambridge（卡弗里宇宙学剑桥研究所）；Harvard-Smithsonian Center for Astrophysics（哈佛-史密森尼天体物理中心）
利用机器学习从MillenniumTNG模拟中的2D观测数据估计巨团的三轴性和取向，提升团几何估计精度30%
2025-11-25 astro-ph.CO astro-ph.GA
Estimating the Photometric Redshifts of Galaxies and QSOs Using Regression Techniques in Machine Learning
测量星系、恒星和类星体等宇宙学源的距离在现代宇宙学中起着越来越重要的作用。获得光谱，然后计算红移作为距离指标，可以立即对这些物体进行分类。只要光谱观测对许多星系不可用，并且测量红移的过程对于大样本来说是耗时且不可行的，机器学习（ML）方法可以应用于从不同特征（包括光度颜色）确定星系的红移。本文利用斯隆数字巡天（SDSS）星表中的通量星等，开发了两种ML回归算法（决策树和随机森林），以颜色指数作为输入特征来估计红移。我们发现，随机森林算法产生的红移预测的最佳结果，它将进一步改善时，数据集被限制到一个子集与z $\le$ 2给出归一化的标准差$\overline{ΔZ}_{\text {norm}}=0.005$和标准差$σ_{Δz}=0.12$。这项工作显示了极大的潜力，使用ML方法来确定遥远的源的光度红移。
2022-01-12 astro-ph.CO astro-ph.GA astro-ph.IM
Estimating Gamma-Ray Flux from Millisecond Pulsars Originating in Globular Clusters Near the Galactic Center
本研究利用六个球状星团的N体模拟追踪中子星轨道，估算毫秒脉冲星对银河系中心伽马射线超出的贡献，发现其贡献虽小但不可忽略，并指出考虑全部球状星团后可能显著贡献该超出。
2024-10-21 astro-ph.GA astro-ph.HE
Estimating cluster masses: a comparative study between machine learning and maximum likelihood
Israel Institute of Technology（以色列理工学院）；Asher Space Research Institute（阿舍尔空间研究所）
本研究比较了自编码器卷积神经网络（AE-CNN）与传统最大似然估计器（MLE）在无需识别成员星系或闯入者的情况下直接从星系分布推断团簇维里质量的性能，发现AE-CNN在多种输入下的均方根散度均优于MLE。
2025-11-15 astro-ph.CO astro-ph.GA
Estimating the Galactic Mass Profile in the Presence of Incomplete Data
测量星系质量分布的一个强有力的方法是通过分布在星系晕中的示踪粒子的速度。然而，将这种数据准确地转换为质量分布M（r）不是一个简单的问题。特别是，有限或不完整的数据可能会严重影响分析。在本文中，我们开发了一种贝叶斯方法来有效地处理不完整的数据，我们有一个混合吉布斯采样器，将未知的示踪剂的速度分量作为模型中的参数。我们探索我们的模型使用模拟数据的有效性，然后将我们的方法应用到银河系的速度和位置数据从球状星团和矮星系。我们发现，在一般情况下，丢失的速度分量对总质量估计的影响很小。然而，结果对外围的球状星团E3相当敏感。使用一个基本的Hernquist模型与各向同性的速度色散，我们获得了银河系的累积质量分布M（r）的可信区域，并提供了95%的贝叶斯可信区间的模型参数的估计。260千秒差距内包含的质量为1.37x10^12太阳质量，95%可信区间为（1.27，1.51）x10^12太阳质量。总质量和尺度半径的赫恩奎斯特参数分别为1.55（+0.18/-0.13 x10 ^12太阳质量）和16.9（+4.8/-4.1）kpc，其中不确定度跨越95%的可信区间。我们为这项工作开发的代码，银河系质量估计（GME），将作为R项目统计计算中的开源软件包提供。
2015-03-24 astro-ph.GA
Estimating the contribution of foreground halos to the FRB 180924 dispersion measure
快速射电爆发（FRB）色散测量（DM）记录了电离重子的存在，这些重子在其他技术中是不可见的，从而能够解决宇宙网络中的物质分布。在这项工作中，我们的目标是估计的贡献FRB 180924 DM前景星系晕。ASKAP定位于一个大质量星系，这条视线值得注意的是对DM（$\rm DM_{cosmic} = 220~pc~cm^{-3}$）的估计宇宙网贡献，它小于从Macquart关系（$280~\rm pc~cm^{-3}$）估计的主机红移（$\rm z = 0.3216$）的平均值。在宇宙网的有利模型中，这表明在小撞击参数（$\lesssim 100$ kpc）下与前景晕的交叉很少。为了验证这一假设，我们用VLT/MUSE和Keck/LRIS对$\sim$ 1'视线范围内的场星系进行了分光观测。此外，我们开发了一种概率方法，利用来自宽场DES和WISE成像的光度红移。我们的结论是，没有星系晕，密切相交的视线，也是净DM的贡献，从晕，$\rm DM_{halos}< 45~pc~cm^{-3}$（95% c.l.）。该值低于使用普朗克$ΛCDM$模型和Aemulus晕质量函数从“平均”视线（$121~\rm pc~cm^{-3}$）估计的$\rm DM_{halos}$，并合理地解释了其低$\rm DM_{cosmic}$值。我们的结论是，FRB 180924代表了宇宙中预测的大多数视线，没…
2021-08-23 astro-ph.CO astro-ph.GA
Estimating Photometric Redshifts for X-ray sources in the X-ATLAS field, using machine-learning techniques
我们使用机器学习技术TPZ（Carrasco Kind & Brunner 2013），在X-ATLAS场中呈现了1，031个X射线源的光度红移。在H-ATLAS场的科学演示阶段（SDP）中，X-ATLAS覆盖了XMM-牛顿观测到的7.1 deg 2，使其成为XMM-牛顿和赫歇尔覆盖范围最大的天空连续区域之一。所有的光源都有可用的SDSS测光，而810则有额外的中红外和/或近红外测光。光谱样本的5,157源主要在XMM/XXL领域，但也从几个X射线调查和SDSS DR 13红移目录，用于训练的算法。我们的分析表明，该算法的性能最好的源分裂时，根据其光学形态，成点状和扩展源。光光度学本身不足以估计精确的光度学红移，但当至少在训练过程中加入中红外光度学时，结果会大大改善。特别是，我们的测量表明，估计的光度红移的X射线源的训练样本，有一个归一化的绝对中位数偏差，n_mad=0.06，和异常值的百分比，eta=10- 14%，这取决于源是扩展的还是点状的。我们的最终目录包含了1,031个X射线源中933个的光度红移，平均红移为0.9。
2017-10-03 astro-ph.CO astro-ph.GA
Estimating the size of X-ray lamppost coronae in active galactic nuclei
我们报告的活动星系核的X射线冠的大小在灯柱几何的估计。在这种普遍采用的方案中，为了简单起见，日冕被假定为位于吸积盘轴上的点状X射线源。然而，日冕必须拦截来自盘的与观察到的X射线通量一致的许多光学/UV种子光子，这限制了其尺寸。我们采用了最初由Dovčiak & Done（2016）开发的相对论射线追踪代码，该代码计算了由标准薄圆盘照明的康普顿化灯柱电晕的大小。我们假设圆盘向下延伸到非自旋或最大自旋黑洞的最内层稳定圆形轨道。我们将这种方法应用到一个样本的20个塞弗特1星系，同时使用光学/UV和X射线档案数据从XMM-牛顿。至少对于在爱丁顿极限以下吸积的源，我们发现康普顿化灯柱日冕通常可以存在，但是其大小和在黑洞的事件视界以上的高度取决于自旋。对于最大自旋的黑洞，几乎总是可以在任何高度找到解，而对于非自旋的黑洞，高度通常必须高于5个引力半径。这是因为，对于一个给定的光度，更高的自旋意味着更多的种子光子照亮日冕，由于更大和更热的内盘区域。最大自旋解是有利的，因为它预测的X射线光子指数与观测结果更吻合。
2020-10-14 astro-ph.GA astro-ph.HE
Estimating reddening of the continuum and broad-line region of active galactic nuclei: the mean reddening of NGC 5548 and the size of the accretion disc
我们使用七种不同的方法来估计NGC 5548的宽线和连续红化。我们研究了两种可能的活动星系核（AGN）红化曲线：Gaskell & Benker（2007）的平均AGN红化曲线，它在紫外区相对平坦;以及一条像小麦哲伦云（SMC）红化曲线一样在紫外区强烈上升的曲线。我们也考虑一个标准的银河系曲线。不管采用什么样的曲线，我们发现总的红化比太阳附近的尘埃造成的少量红化大14倍。紫外-可见光比排除了NGC 5548陡峭的SMC样变红曲线。银河系和Gaskell & Benker曲线给出了平均红化E（B-V）= 0.25 +/- 0.02。四个非氢线红化指标表明，本征氢线比率与Baker-Menzel情况B值一致。未红化的光-紫外光谱能量分布与预测的外部照明吸积盘的分布一致。我们得出的NGC 5548的红化是典型的1型活动星系核的先前估计。忽略内部消光会导致1200埃的光度被低估7倍。因此，吸积盘的大小尺度被低估了约2.6倍。这与2013年AGNSTORM活动中发现的吸积盘尺寸差异相似，因此支持Gaskell（2017）的提议，即吸积盘尺寸差异主要是由于忽视了红化。
2022-08-24 astro-ph.GA astro-ph.HE
Machine-assisted Semi-Simulation Model (MSSM): Estimating Galactic Baryonic Properties from their Dark Matter using a Machine Trained on Hydrodynamic Simulations
我们提出了一个管道，以估计一个星系内的一个暗物质（DM）晕的重子属性，在DM只有模拟使用高分辨率的流体动力学模拟训练的机器。作为示例，我们使用$(75 \,\,h^{-1}{\rm Mpc})^3$体积的IllustrisTNG流体动力学模拟来训练我们的机器以预测，例如，恒星质量和恒星形成率在星系大小的光环纯粹基于其DM含量。一个极端随机树（ERT）算法与多个新的改进一起使用，我们在这里介绍，如在机器训练和两阶段学习的细化误差函数。在这些改进的帮助下，与以前的尝试相比，我们的模型在预测重子属性方面的准确性显着提高-换句话说，该机器更好地模仿了IllustrisTNG的星系晕相关性。通过将我们的机器应用于大型$(1 \,\,h^{-1}{\rm Gpc})^3$体积的MultiDark-Planck DM模拟，然后我们使用机器在IllustrisTNG中发现的相关性验证了从DM晕目录快速生成星系目录的管道。我们还比较了我们的星系目录与流行的半解析模型（SAM）。我们所谓的机器辅助半模拟模型（MSSM）被证明是在很大程度上与SAM兼容，并可能成为一个很有前途的方法移植到一个更大的体积DM只运行的星系尺度流体动力学计算的重子物理。我们讨论了这样的基于机器的方法所带来的好处，以及提高这种方法的科学潜力的建议。
2019-08-26 astro-ph.GA
A Comparison of Two Methods for Estimating Black Hole Spin in Active Galactic Nuclei
角动量，或自旋，是黑洞（BH）的一个基本属性，但它比质量或吸积率（对于活跃吸积系统）更难估计。近年来，高质量的X射线观测已经允许详细测量Fe K $α$发射线，其中相对论谱线展宽允许对自旋参数进行限制（X射线反射法）。另一种方法使用吸积盘模型来拟合活动星系核的连续辐射（连续拟合法，简称CF法）。虽然每种技术都有依赖于模型的不确定性，但这些都是目前可用的最佳经验工具，应该在两种技术都可以应用的系统中进行审查。对这两种方法的详细比较也是有用的，因为这两种方法都不能适用于所有活动星系核。X射线反射技术主要针对局部（z $\lesssim$ 0.1）系统，而CF方法可以应用于更高的红移，达到和超过活动星系核活动和生长的峰值。在这里，我们应用CF方法与X射线反射测量两个活动星系核。对于高质量活动星系核H1821+643和Seyfert 1 NGC 3783，我们发现了一个与X射线反射测量一致的自旋参数范围。然而，如果我们在模型中加入盘风，NGC 3783的反射方法所支持的接近最大自旋的可能性更大。这些技术的改进，再加上改进的X射线测量和更严格的BH质量约束，将允许在更大的样本AGN的这种比较，并增加我们的信心，这些自旋估计技术。
2017-01-26 astro-ph.GA astro-ph.HE
Data-driven dust inference at mid-to-high Galactic latitudes using probabilistic machine learning
Institute of Astronomy, University of Cambridge（剑桥大学天文学研究所）；Statistical Laboratory, DPMMS, University of Cambridge（剑桥大学DPMMS统计实验室）；Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡弗里宇宙学研究所）；Institute of Astrophysics, FORTH（希腊克里特岛基础与研究基金会天体物理研究所）
本文提出利用归一化流建模中高银河纬度恒星的颜色-光度分布，以准确推断尘埃消光，通过Gaia等数据验证方法有效性。
2025-12-12 astro-ph.GA
Estimating dust attenuation from galactic spectra. II. Stellar and gas attenuation in star-forming and diffuse ionized gas regions in MaNGA
我们调查的尘埃衰减在恒星群体和电离气体在附近星系的kpc尺度区域，使用积分场光谱数据从MANGA MPL-9。我们确定恒星形成（HII）和扩散电离气体（DIG）地区的MANGA数据管。从每个区域的叠加光谱，我们测量的恒星衰减，$E(B-V)_{\rm star}$，使用的技术，李等。（2020），以及气体衰减，$E(B-V)_{\rm gas}$，从巴耳末减量。然后，我们检查$E(B-V)_{\rm star}$，$E(B-V)_{\rm gas}$，$E(B-V)_{\rm gas}-E(B-V)_{\rm star}$和$E(B-V)_{\rm star}/E(B-V)_{\rm gas}$与16个区域/全球属性的相关性，并为不同的$\rm Hα$表面亮度（$Σ_{\rm Hα}$）的区域。我们发现，在$Σ_{\rm Hα}$较高的区域，$E(B-V)_{\rm star}$和$E(B-V)_{\rm gas}$之间的相关性更强。亮度加权年龄（$t_L$）被认为是与$E(B-V)_{\rm star}$相关性最强的属性，因此与$E(B-V)_{\rm gas}-E(B-V)_{\rm star}$和$E(B-V)_{\rm star}/E(B-V)_{\rm gas}$相关性最强。在固定的$Σ_{\rm Hα}$下，所有年龄段的$\log_{10}t_L$与$E(B-V)_{\…
2021-06-08 astro-ph.GA
Estimating dust attenuation from galactic spectra. I. methodology and tests
我们发展了一种从星系光谱的全谱拟合中估算星系尘埃衰减曲线的方法。受前人研究的启发，我们通过对观测光谱和简单的恒星星族模型光谱进行移动平均，将小尺度特征从大尺度光谱形状中分离出来。然后，通过拟合观测到的小尺度到大尺度（S/L）分量的比值与SSP模式的S/L比值，得到本征无尘模式谱。然后通过将观察到的光谱与无尘模型光谱进行比较来确定选择性尘埃衰减曲线。这种方法的一个重要优点是，估计的灰尘衰减曲线是独立的理论灰尘衰减曲线的形状。我们已经做了一系列的测试上的一组模拟光谱涵盖了广泛的恒星年龄和金属丰度。我们表明，我们的方法是能够准确地恢复输入的灰尘衰减曲线，虽然精度略有依赖于信噪比的光谱。我们已经将我们的方法应用到一些边缘上的星系，从正在进行的MANGA调查，得出他们的尘埃衰减曲线和$E(B-V)$地图，以及无尘图像在$g$，$r$，和$i$带。这些星系在原始图像中显示出明显的尘埃带特征，在我们校正了尘埃衰减的影响后，这些特征基本消失。这些星系的垂直亮度轮廓成为轴对称的，可以很好地拟合一个简单的模型提出的磁盘垂直结构。将估算的尘埃衰减曲线与三种常用的模型曲线进行比较，发现Calzetti曲线对星系内部区域的估算曲线描述最好，而银河系和SMC曲线对星系外部区域的估算曲线描述更好。
2020-05-12 astro-ph.GA
Exoplanets Across Galactic Stellar Populations with PLATO: Estimating Exoplanet Yields Around FGK Stars for the Thin Disk, Thick Disk and Stellar Halo
本研究评估PLATO任务探测银河系薄盘、厚盘和恒星晕中FGK恒星周围系外行星的能力，通过运动学分类和NGPPS数据预测行星产量，发现PLATO有望在厚盘探测至少400颗行星，并在贫金属晕中探测1至80颗行星。
2024-11-12 astro-ph.EP astro-ph.GA astro-ph.SR
Back to the Future: Estimating Initial Globular Cluster Masses from their Present Day Stellar Mass Functions
我们使用N-体模拟模拟的12陀螺仪的演化的一套星团具有相同的初始恒星质量函数的初始集群的质量，大小和轨道的范围内。我们的模型再现了在银河系球状星团人口中观察到的当今全球恒星质量函数的分布。我们发现，一个星团的恒星质量函数的斜率是强烈相关的质量，集群已经失去了一部分，独立的集群的初始质量，几乎独立于其轨道和初始大小。因此，如果初始恒星质量函数已知，质量函数-初始质量关系可以用来确定星系团的初始总恒星质量。我们应用这里提出的质量函数-初始质量关系，在假定一个普适的Kroupa初始质量函数的情况下，确定了33个银河系球状星团的初始恒星质量。我们的研究表明，球状星团的初始质量平均比它们现在的质量大4.5倍，有三个星团在出生时的质量比现在大10倍。
2015-08-11 astro-ph.GA
PhotoRedshift-MML: a multimodal machine learning method for estimating photometric redshifts of quasars
提出了一种多模态机器学习方法来估计类星体的光度红移（PhotoRedshift-MML），这是一个长期以来的研究课题。我们的方法包括两个主要模型，即多模态表征学习的特征变换模型和多模态迁移学习的光度红移估计模型。由于通过MML从测光数据中学习生成的光谱特征提供了大量信息，测光红移的预测精度得到了显着提高。斯隆数字巡天（SDSS）数据发布17中总共有415，930个类星体，红移在1到5之间，被筛选用于我们的实验。我们使用|Δz| = |（z_phot-z_spec）/（1+z_spec）|以评估红移预测，并证明了4.04%的准确性增加。在生成的光谱特征的帮助下，|Δz| < 0.1可达到总测试样本的84.45%，而对于单峰光度数据，<0.1可达到总测试样本的80.41%。此外，|Δz|从0.1332下降到0.1235。我们的方法有可能推广到其他天文数据分析，如星系分类和红移预测。算法代码可以在https://github.com/HongShuxin/PhotoRedshift-MML上找到。
2022-11-08 astro-ph.GA astro-ph.IM
Estimating Dust Attenuation From Galactic Spectra. III. Radial variations of dust attenuation scaling relations in MaNGA galaxies
利用MaNGA积分场光谱，研究近邻星系中尘埃消光标度关系的径向变化，发现气体和恒星消光的相关性质随半径及Hα亮度显著改变，并讨论了其对高红移星系研究的意义。
2024-09-20 astro-ph.GA
A review of action estimation methods for galactic dynamics
我们回顾了现有的方法估计的作用，角度和频率的轨道在轴对称和三轴的潜力。这些方法分为两个类。除非一个轨道被共振、收敛或迭代捕获，否则只要有足够的计算时间，方法就能够将作用恢复到任意高的精度。更快的非收敛方法依赖于电势足够接近可分离的电势，并且动作估计的准确性不能通过进一步的计算来提高。我们严格比较的方法的准确性和所需的计算时间的范围内的轨道在轴对称的多组件银河系的潜力。我们介绍了一种基于Schönich & Binney（2012）绝热近似的估算作用量的新方法，并讨论了使用薄盘和厚盘、恒星晕和恒星流的合适分布函数计算作用量、角度和频率所需的精度。我们的结论是，对于研究银河系的光盘和光滑的晕组件之间的速度和精度的最合适的妥协是Stäckel软糖，而当研究流的非收敛方法不提供足够的精度和最合适的方法是计算的行动，从轨道集成通过生成函数。本研究中使用的所有软件均可从https://github.com/jls713/tact下载。
2016-01-19 astro-ph.GA
Machine-learning classification of astronomical sources: estimating F1-score in the absence of ground truth
基于机器学习的分类器在天体物理学领域已经变得不可或缺，它允许将天文源分离成各种类别，其计算效率适合于应用于现在广域调查通常产生的巨大数据量。在标准监督分类范例中，模型通常使用来自相对较小的天空区域的数据进行训练和验证，然后用于对天空其他区域中的源进行分类。然而，训练样本和待分类来源之间的人口变化可能导致模型性能的“无声”退化，在无法获得地面实况时，这可能很难确定。在这封信中，我们提出了一种新的方法，使用NannyML基于置信度的性能估计（CBPE）方法来预测分类器F1分数，但没有地面真实标签。我们将CBPE应用于决策树集合模型的类星体选择，使用宽带测光，并表明F1分数的预测非常好（MAPE ~ 10%; R^2 = 0.74-0.92）。我们讨论了天文学领域的潜在用例，包括机器学习模型和/或超参数选择，以及评估训练数据集对特定分类问题的适用性。
2022-09-29 astro-ph.GA astro-ph.IM
Analyzing the Galactic pulsar distribution with machine learning
我们探索通过机器学习推断银河系中子星种群属性的可能性。特别是，在本文中，我们专注于他们的动力学特性，并表明，人工神经网络是能够估计高精度的参数，控制当前的位置的一个模拟人口的mockpopulationsofmartars。为了这个目的，我们实现了一个简化的人口合成框架（选择偏差在这个阶段被忽略），并集中在出生踢速度分布和出生距离银河平面的分布。通过改变这些并及时发展脉冲星轨迹，我们生成了一系列用于训练和验证适当结构的卷积神经网络的模拟。我们证明，我们的网络是能够恢复的参数，约$10^{-2}$的平均相对误差的踢速度和银河系的高度分布。我们讨论了我们的理想化的方法的局限性，并研究了一个玩具问题，引入选择效应的现象学的方式，将观察到的自行216孤立的行星。我们的分析强调，将具有精确自行测量的中子星样本增加$\sim$ 10倍，这是平方公里阵列未来的突破之一，我们可能成功地通过机器学习以高精度约束银河系中中子星的出生空间和反冲速度分布。
2021-06-23 astro-ph.GA astro-ph.HE
The effective stability parameter for two-component galactic discs: Is 1/Q ~ 1/Q_stars + 1/Q_gas ?
Wang-Silk近似（1/Q1/Q_stars + 1/Q_gas）常用于估计星-气双组分盘的有效Q参数。在这里，我们详细分析这种近似，并显示其精度取决于径向速度色散和Toomre参数的两个组件。然后，我们提出了一个更准确，但仍然简单的近似的有效Q参数，进一步考虑到光盘厚度的稳定效果。我们的有效Q参数是一个自然的推广Toomre的Q，因此可以用于各种各样的背景下，例如，预测恒星形成的阈值在星系或测量的稳定性水平的星系盘在低和高的红移。
2011-05-23 astro-ph.CO astro-ph.GA physics.flu-dyn
Supervised machine learning on Galactic filaments Revealing the filamentary structure of the Galactic interstellar medium
上下文丝状体在银河系中无处不在，它们是恒星形成的宿主。因此，以可靠的方式探测它们是我们理解恒星形成过程的关键。目的。我们将探索监督式机器学习是否可以识别整个银河系平面上的附属结构。方法.我们使用了两个版本的基于UNet的网络进行图像分割。我们使用H2柱密度图像的银河平面获得Herschel Hi-GAL数据作为输入数据。我们用从这些图像中提取的细丝骨架（脊柱加分支）以及我们生成的背景和缺失数据掩码训练了基于UNet的网络。我们测试了八个训练场景，以确定最适合我们将像素分类为细丝的天体物理目的的场景。结果UNets的训练使我们能够通过分割来创建银河平面的新图像，其中识别出属于附属结构的像素。通过这种新方法，我们将更多的像素（根据所使用的分类阈值，更多的像素为2到7倍）分类为属于细丝，而不是我们用作输入的脊柱加分支结构。新的结构被揭示出来，主要是以前没有检测到的低对比度细丝。我们使用标准度量来评估不同训练场景的性能。这使我们能够证明该方法的鲁棒性，并确定一个最佳的阈值，最大限度地恢复的输入标记的像素分类。结论.这项概念验证研究表明，有监督的机器学习可以揭示整个银河平面存在的结构。这些结构的检测，包括以前从未见过的低密度和低对比度结构，为这些细丝的研究提供了重要的视角。
2022-12-01 astro-ph.GA astro-ph.IM astro-ph.SR
Measuring Galactic Dark Matter through Unsupervised Machine Learning
测量太阳附近暗物质的密度分布对暗物质理论和实验都有重要意义。在这项工作中，我们将自回归流应用于来自银河系型星系的真实模拟的恒星，以无监督的方式学习恒星相空间密度及其衍生物。有了这些作为输入，并在动态平衡的假设下，引力加速度场和质量密度可以直接从玻尔兹曼方程计算，而不需要假设圆柱对称或星系质量密度的特定函数形式。我们证明了我们的方法可以准确地重建模拟星系的质量密度和加速度分布，即使在运动学测量中存在类似盖亚的误差。
2022-05-02 astro-ph.GA hep-ph
Estimating the Mass of the Local Group using Machine Learning Applied to Numerical Simulations
我们重新评估了银河系和仙女座星系（M31）的合并质量，它们主导了本星系群的质量。我们利用来自Small MultiDark模拟的30，190个晕对的系综，假设$Λ$ CDM（具有冷暗物质的宇宙学常数）宇宙学，借助机器学习方法（人工神经网络，ANN）来研究束缚质量和表征双星轨道及其局部环境的参数之间的关系。当提供关于速度剪切的信息时，来自ANN的结果是最成功的，这证明了机器学习对物理现象建模的灵活性，并且当新信息变得可用时，可以很容易地将其合并。当包含剪切信息时，局部群质量的估计结果为$4.9 \times 10^{12} M_\odot$，其中观测值的68%不确定性误差为$\pm0.8 \times 10^{12} M_\odot$，模型和模拟质量之间差异的固有散射的置信区间为$^{+1.3}_{-1.4} \times 10^{12}M_\odot$。我们还考虑了最近报道的大横向速度M31相对于银河系，并产生另一种质量估计$3.6\pm0.3\pm1.4 \times 10^{12}M_\odot$。虽然不同的方法预测的LG最可能的质量类似的值，人工神经网络的应用相比，定时参数减少了一半以上的模拟样本进行测试时，在对数质量的分散。
2017-10-26 astro-ph.GA astro-ph.IM
Exploring galactic properties with machine learning Predicting star formation, stellar mass, and metallicity from photometric data
本研究利用CatBoost和深度学习，基于SDSS和AllWISE测光数据预测星系恒星形成率、恒星质量及金属丰度，分别达到0.336、0.206和0.097 dex的均方根误差，展示了机器学习在星系性质估算中的高效性。
2024-05-24 astro-ph.GA
GaMPEN: A Machine Learning Framework for Estimating Bayesian Posteriors of Galaxy Morphological Parameters
我们介绍了一种新的机器学习框架，用于估计任意大量星系的形态参数的贝叶斯后验。星系形态后验估计网络（GaMPEN）估计星系的膨胀与总光比（$L_B/L_T$），有效半径（$R_e$）和通量（$F$）的值和不确定性。为了估计后验，GaMPEN使用蒙特卡罗丢弃技术，并在其损失函数中包含输出参数之间的完整协方差矩阵。GaMPEN还使用了空间Transformer网络（SpaceTransformer Network，缩写为SPN），在确定星系的形态之前，将输入的星系帧自动裁剪到最佳尺寸。这将使它能够应用于新的数据，而无需事先了解星系的大小。训练和测试GaMPEN模拟在超Suprime-Cam宽$g$波段图像中与$z < 0.25$星系相匹配的星系，我们证明GaMPEN实现了$L_B/L_T$中$0.1$的典型误差，$R_e$中$0.17$ arcsec（$\sim 7\%$）和$F$中$6.3\times10^4$ nJy（$\sim 1\%$）。GaMPEN的预测不确定性是经过良好校准和准确的（$<5\%$偏差）-对于具有高残差的参数空间区域，GaMPEN正确预测相应的大不确定性。我们还证明了我们可以应用分类标签（即，分类，例如“高度凸起主导”）与具有高残差的区域中的预测相关联，并验证那些标签是$\gtrsim 97\%$准确的。据我们所知，GaMPEN是第一个用于确定多个形态参数的联合…
2022-07-11 astro-ph.GA astro-ph.IM
Hybrid analytic and machine-learned baryonic property insertion into galactic dark matter haloes
虽然宇宙学上的暗物质模拟只依赖于引力效应，计算速度非常快，但模拟星系中的重子性质需要复杂的流体动力学模拟，计算成本很高。我们探讨合并的扩展版本的平衡模型，分析形式主义描述的恒星，气体和金属含量的星系的演变，到一个机器学习框架。通过这样做，我们能够恢复比单独的解析形式主义所能提供的更多的属性，从而创建一个高速流体动力学模拟仿真器，在具有重子属性的N体模拟中填充银河系暗物质晕。虽然这种方法提供的准确性和速度优势之间存在权衡，但我们的结果优于仅使用机器学习的重子属性子集的方法。我们证明了这种新型的混合系统能够通过在合理的程度上模仿完整的流体动力学套件的属性来快速完成暗物质的信息，并讨论了混合与机器学习框架的优缺点。在这样做的过程中，我们提供了一个加速宇宙学中常用的模拟。
2022-11-15 astro-ph.GA astro-ph.IM stat.AP
On Estimating the Mass of Keplerian Accretion Disks in H2O Maser Galaxies
在活动星系核中具有开普勒旋转的H2O脉泽盘提供了一种干净的方法来确定准确的黑洞质量和哈勃常数。在使用开普勒H2O脉泽盘测量黑洞质量和哈勃常数时，一个重要的假设是，与黑洞质量相比，盘的质量可以忽略不计。为了验证这一假设，Hure等人（2011）提出了一个简单而有用的模型。在这项工作中，作者应用线性盘模型的位置动力学质量图和重新分析的位置速度数据从H2O脉泽盘与活动星系核。他们声称，一个具有近乎完美开普勒旋转的脉泽盘可能具有与黑洞质量相当的盘质量。这意味着忽略圆盘自重的影响会导致在测量黑洞质量和哈勃常数时产生很大的系统误差。我们检查他们的方法，发现他们的大估计开普勒磁盘的磁盘质量可能是他们使用的投影，而不是三维位置和速度信息的结果。为了更好地约束开普勒脉泽系统的磁盘质量，我们将磁盘自重到一个3维贝叶斯建模程序脉泽磁盘，并评估基于物理条件的磁盘支持水脉泽发射的约束。我们发现，几乎没有证据表明，磁盘质量是动态的重要性在~<1%的水平相比，黑洞。
2018-04-24 astro-ph.GA
Estimating Extinction using Unsupervised Machine Learning
尘埃消光是星际介质中气体分布的最强有力的示踪剂，但测量消光受到估计背景恒星固有颜色所涉及的系统不确定性的限制。在本文中，我们提出了一种新的技术，PNICER，使用无监督机器学习算法估计单个恒星的固有颜色和消光。该方法的目标是不受列密度和固有颜色分布的先验知识的影响。它适用于任何参数的组合，并在任意数量的维度上工作。而且，它不限于颜色空间。通过沿消光矢量拟合高斯混合模型来确定对单个源的消光（无消光）控制场观测。这样就可以用概率密度来描述观测源的消光。PNICER有效地消除了类似方法中发现的已知偏差，并在背景星系数量显著的深层观测数据中，或者当使用大量参数来打破固有颜色分布中的简并时，优于它们。这种新方法在计算上仍然具有竞争力，可以在几秒钟内正确地去除数百万个源。随着大规模高灵敏度成像调查数量的不断增加，PNICER提供了一种快速可靠的方法来有效地计算任意参数组合的消光，而无需源特性的先验信息。PNICER还提供了一个简单的统一界面，以访问完善的NICER技术，并能够建立消光图，包括云子结构的NICEST校正。PNICER作为开源软件解决方案提供给社区，完全用Python编写。
2017-02-27 astro-ph.GA astro-ph.IM astro-ph.SR
Estimating masses of Keplerian disk systems: the case of AGN in NGC 4258
活动星系核（AGN）中吸积盘的开普勒运动通常被认为是由重的中心质量产生的。我们研究了具有多方气体的吸积盘系统的开普勒旋转，并得到了一个唯象的公式，该公式将开普勒角频率与盘和中心质量之比联系起来。如果一个圆盘的内边界接近于一个黑洞的最小稳定轨道，则中心质量接近开普勒值。这些结果被应用到NGC 4258，唯一的活动星系核与精细测量的开普勒旋转曲线的中心盘，与结论，它的旋转曲线，事实上，是由中央黑洞。吸积盘的质量超过100个太阳质量。
2012-10-30 astro-ph.GA astro-ph.HE gr-qc
Charting Galactic Accelerations with Stellar Streams and Machine Learning
我们提出了一个数据驱动的方法重建银河系加速度场从相空间测量的恒星流。我们的方法是基于一个灵活的和可微的适合流在相空间，使直接估计的加速度矢量沿流。局部加速度场的重建可以独立地应用于几个流中的每一个，使我们能够在一系列尺度上对由于潜在的银河系势而产生的加速度场进行采样。我们的方法是从以前的工作方法不同，因为模型的引力势不需要事先通过。相反，我们灵活的基于神经网络的模型将流视为具有局部相似能量混合物的轨道集合，而不是假设流描绘了单个恒星轨道。因此，我们的方法允许流的不同区域具有不同的平均能量，就像真实恒星流的情况一样。一旦沿着银河流对加速度矢量进行采样，银河势的标准分析模型就可以迅速得到约束。我们发现，我们的方法恢复正确的参数为地面真理三轴对数晕势时，应用到模拟恒星流。或者，我们证明了一个灵活的潜力，可以约束与神经网络，虽然标准的多极展开也可以受到约束。我们的方法是适用于简单和复杂的引力势一样，并使潜在的重建从一个完全数据驱动的角度来看，使用缓慢的相位混合潮汐碎片的测量。
2023-03-30 astro-ph.GA astro-ph.IM
