来自LAMOST DR10光谱的强[O III]发射线致密星系的物理性质

《Publications of the Astronomical Society of Japan》：Physical properties of strong [O?iii] emission-line compact galaxies from LAMOST DR10 spectra

　　

摘要

强 [O iii] 发射线紧致星系，包括绿豌豆、蓝莓和紫葡萄星系（BPGs），是极端高红移恒星形成星系的本地类似物。我们开发了一种具有自注意力机制的贝叶斯神经网络（BNN），用于从预处理后的光学光谱中重现四个参考参数——尘埃消光 $E（B?V）$?、气相金属丰度、恒星形成率（SFR）以及恒星质量（?$M_{★}$?）。该模型以LAMOST DR10中1269个星系的光谱作为输入，参考标签来源于斯隆数字巡天（SDSS）发射线诊断和光谱能量分布拟合结果。在所评估的机器学习和深度学习中，BNN在整体归一化均方根误差（0.0726）和平均绝对误差（0.0428）的点估计值上达到最低，尽管在考虑自举不确定性时，其性能在统计上与最强的确定性基线方法接近。与MC Dropout相比，BNN在全部四个参数上均给出更低的总预测不确定性，同时经验覆盖比例接近名义高斯期望。本研究评估的是不确定性感知的"光谱至标签"回归与校准迁移，而非提出独立的物理校准或替代经典发射线诊断。由于未包含基于LAMOST发射线测量的代数基线方法，因此结果并未表明其相对于直接基于发射线的估计方法具有优势。预测结果与所采用的SDSS/SED参考标签一致，并保持了SFR–$M_{★}$关系；这些结果代表的是校准内部一致性检验，而非独立的物理验证。参数相关的确定性模式与模型可获得预测信息的差异基本一致。该框架展示了概率性代理回归在大型光谱巡天中的潜力，而其相对于直接基于发射线方法的实际优势则需要通过对照验证来确认。