基于聚类方法识别新的耀变体 GeV 候选对应体

《Journal of High Energy Astrophysics》：Clustering-based identification of new GeV candidate counterparts to blazars

　　

摘要

本研究利用聚类技术对Fermi-LAT数据进行系统搜索，旨在寻找已知耀变体尚未被探测到的GeV射电对应体候选源。受近期γ射线目录中大量未关联或不确定源数量的启发，本研究探索了结合多种无监督算法（如最小生成树、DBSCAN和DENCLUE）在低计数区域识别统计显著光子团簇的有效性。通过分析聚焦于银纬较高、弥散背景辐射较弱的区域，本研究最大化了对暗弱及遥远源源的探测灵敏度。本研究建立在早期工作的基础上，早期工作已证明了聚类方法在恢复已知耀变体和发现新候选源方面的可靠性，其中许多候选源后来在后续目录版本中得到确认。本调查进一步完善了这些技术并将其应用于更新后的数据集，最终识别出20个额外的耀变体候选源，其中包括表现出与活动星系核一致的变异性特征的源。研究结果强调了基于聚类的探测方法在γ射线源探测与分类中的互补价值，特别是在多波段信息不完整的情况下，为完善河外γ射线天区的普查做出贡献。

引言

Fermi大型面积望远镜（LAT）首次提供了从约50 MeV到数百GeV的γ射线波段全天区的详细观测。最新的γ射线源通用目录（4FGL数据发布4，版本35，2024年7月¹）包含7194条记录，其中很大一部分与河外天体相关。根据Fermi合作组采用的分类标准，其中大多数源为耀变体：1490个为BL Lac天体，820个为平谱射电类星体（FSRQs）。其他活动星系核（AGN）包括53个射电星系和9个窄线Seyfert 1星系。然而，数量最大的类别由1623个标记为"bcu"（类型不确定的耀变体候选源）的源组成，这通常是由于多波段数据不足以进行可靠分类所致。

Fermi合作组还发布了专门目录，如10 GeV至2 TeV之间探测源的目录第三版（3FHL；Ajello等人2017年），该目录包含1558条记录，其中79%与河外天体相关。

聚类方法对于在光子统计相对较低的数据集中识别γ射线源特别有效，能够探测到传统高统计方法可能无法识别的暗弱或遥远天体。多种聚类算法已被应用于该问题。在早期研究中，我们采用了最小生成树（MST；Campana等人2008年）算法来探测新源并编制目录。将MST与DBSCAN和DENCLUE算法结合后（Hinneburg和Gabriel 2007年，Tramacere和Vecchio 2013年），通过选取两种方法独立识别的团簇，获得了更为稳健的结果。

将这些技术应用于耀变体搜索已获得多项新探测结果。Campana等人（2013年）报道了4个未收录在2FGL目录中的BL Lac天体，而Campana等人（2015年）的扩展搜索利用6.3年的LAT数据在10 GeV以上识别出19个额外源。随后的分析（Campana等人，2016年）发现了25个未列入3FGL目录的BL Lac天体（其中1个出现在1FGL中，3个出现在2FHL目录中）。总计探测到48个源，其中46个后来被纳入最新的4FGL发布版本。剩余两个源中，5BZB J1423+1412在本文分析中得到确认并表现出明显变异性，而5BZB J1327+6458在后续搜索中未被探测到，仍未得到确认。这些结果表明，基于团簇的源选择是一种可靠的方法，尤其是在低弥散背景区域（如本文所考虑的高银纬区域）尤为有效。Pshirkov和Kovankin（2026年）在最近的分析中也将DBSCAN应用于光子团簇搜索。

基于上述方法，我们利用MST和DBSCAN/DENCLUE算法对15年的LAT观测数据进行了新的团簇搜索，并报告了搜索结果。所识别的团簇在空间上与多频耀变体目录罗马版（5BZCAT；Massaro等人2014年、Massaro等人2015年）中收录的已知BL Lac天体一致，且表现出与真正γ射线辐射体相符的特征。我们选择使用该目录的原因是：尽管该目录受选择效应影响，但它包含了最多的已确认耀变体，其中1909个为FSRQs，1151个为BL Lac天体。虽然存在若干更新后的目录，但它们通常包含大量候选源：例如，基于第一次eROSITA巡天的新目录BlazEr1（H?mmerich等人，2026年）包含5865条记录，但已确认耀变体仅为2106个。搜索在4 GeV以上能量以及高银纬区域（|b| > 50^°）进行，该区域银河弥散背景较弱且相对均匀。我们识别出20个与目录中已知耀变体紧密关联、且此前未在高能段被探测到的团簇。这些天体通常较为暗弱，对于研究贡献高能背景的天体群体以及衔接GeV与TeV源群体具有重要意义，特别是在即将进行的切伦科夫望远镜阵列天文台（CTAO）观测（Hofmann和Zanin，2022年）背景下尤具意义。

本文工作即将完成之际，Ballet等人（2026年）发布了v35目录的更新版本，新增了26个源。其中7个与我们分析中识别出的团簇重合。我们决定将这些天体保留在最终样本中，因为它们的独立探测可视为对我们方法的间接验证。因此，新识别的耀变体数量减少至13个。

章节片段

数据选择与处理

我们分析了从2008年8月4日至2023年8月4日收集的15年Fermi-LAT数据，选取能量高于4 GeV的事件。数据集从FSSC归档²以周为单位获取，并使用Pass 8 Release 3重建及相应的仪器响应函数进行处理。

事件按照标准质量准则进行筛选：源类事件（evclass 128）、前向和背向转化事件（evtype 3），以及

最小生成树

最小生成树（MST）方法是一种拓扑度量工具，用于识别点分布中的空间集中区域（参见，例如，Cormen等人2009年，Campana等人2013年，Campana等人2008年）。该方法在γ射线天区的应用及相应的选择标准此前已有描述（例如，Campana等人2018年）；此处我们简要总结为增强4 GeV以上光子团簇探测所采用的参数优化方案。

对于二维的N_n个点（节点）集合，

团簇选择

团簇选择及其显著性估计通过多步骤程序完成。第一步是在南北高银纬区域进行大面积搜索，分别采用4 GeV和10 GeV为下限的两个能量波段。所有未与Fermi-LAT目录中的源关联、且位于5BZCAT目录中某一耀变体5′范围内的团簇，只要至少在一个能量区间中被识别，即被选取。

第二步包括

MST结果

与5BZCAT耀变体相关联、质心坐标位于以耀变体位置为中心、半径为5′的锥体内的最显著团簇列表见表1和表2。对于每个团簇，我们提供了质心坐标、主要MST参数、搜索中使用的下限能量阈值、对应的耀变体名称以及与质心之间的角距。标签Bx表示在小箱形区域中进行的MST搜索，其描述见

讨论与结论

在本研究中，我们应用两种聚类方法识别与已知但尚未收录于4FGL Fermi-LAT目录中的耀变体空间相关的特征。该样本中的20个团簇在两次独立搜索中至少有一次MST运行中，其统计显著性超过接收阈值而被选取。表1和表2中的耀变体样本包括11个BL Lac天体、4个FSRQs以及4个在5BZCAT中被分类为BZG的源，即相对较低光度、具有显著

CRediT作者贡献声明

Andrea Tramacere：写作—审阅与编辑、验证、软件、方法论。Riccardo Campana：写作—审阅与编辑、软件、方法论、数据管理。Enrico Massaro：写作—原稿撰写、监督、方法论、调查研究。

利益冲突声明

作者声明不存在任何已知的竞争经济利益或个人关系，这些可能影响本文所述工作的报告或呈现方式。

Andrea Tramacere|Riccardo Campana|Enrico Massaro