Нейросеть VAR-PZnn уточняет фотометрические красные смещения активных ядер галактик
Международная группа астрономов представила новую методику оценки фотометрических красных смещений для активных ядер галактик (AGN) — нейросеть VAR-PZnn. Работа опубликована на сервере препринтов arXiv (номер 2607.16434).
Традиционные методы, основанные на подгонке спектрального распределения энергии, страдают от вырождения цвет–красное смещение, особенно для AGN, чей степенной континуум скрывает спектральные линии. Переменность AGN даёт дополнительную информацию, но требует многоволновых кривых блеска, которые доступны не всегда.
VAR-PZnn — полносвязная сеть смеси плотностей, использующая 26 характеристик переменности, извлечённых из кривых блеска обзора ZTF в g-диапазоне, оптическую фотометрию Pan-STARRS1, инфракрасные данные CatWISE (MIR) и, для части выборки, NIR-данные UKIDSS. Обучалась сеть на 72 728 спектроскопически подтверждённых AGN и квазарах в диапазоне красных смещений 0,01–4,5 и звёздных величин g от 17 до 21,5.
На основной выборке достигнута медианная абсолютная ошибка ?_NMAD=0,058 и доля выбросов ?=8,2%. Если исключить 10% объектов с наибольшей предсказанной неопределённостью, доля выбросов падает до 5,4%. Анализ методом абляции показал, что наибольший вклад в точность вносит средняя инфракрасная фотометрия, а характеристики переменности играют роль дополнительного уточнения.
Используя данные UKIDSS в ближнем ИК-диапазоне как аналог будущей синергии LSST и космических миссий Euclid и Roman, авторы получили ?=13,3% без MIR и ?=4,6% с MIR. Для сравнения: метод подгонки спектральных шаблонов LRT дал ?=28,7%, а применение однополосных априорных данных VAR-PZ ухудшило результат до 39,4% из-за вырождения однополосных кривых блеска.
Предложенная система обеспечивает масштабируемый подход для будущего обзора Legacy Survey of Space and Time (LSST), который начнёт работу в обсерватории Вера Рубин. Ожидается, что VAR-PZnn позволит существенно повысить эффективность фотометрической классификации и оценки расстояний для миллионов AGN.
