文献

J-GLOBAL ID：202002241758953371   整理番号：20A2502349

銀河団における多温度領域を解明するための新しい機械学習アプローチ【JST・京大機械翻訳】

A Novel Machine Learning Approach to Disentangle Multitemperature Regions in Galaxy Clusters

著者 (7件)： Rhea Carter (Departement de Physique, Universite de Montreal, Succ. Centre-Ville, Montreal, QC H3C 3J7, Canada) ,  Hlavacek-Larrondo Julie (Departement de Physique, Universite de Montreal, Succ. Centre-Ville, Montreal, QC H3C 3J7, Canada) ,  Perreault-Levasseur Laurence (Departement de Physique, Universite de Montreal, Succ. Centre-Ville, Montreal, QC H3C 3J7, Canada) ,  Perreault-Levasseur Laurence (Mila-Quebec Artificial Intelligence Institute, Montreal, Quebec, Canada) ,  Perreault-Levasseur Laurence (Center for Computational Astrophysics, Flatiron Institute, New York, NY, USA) ,  Gendron-Marsolais Marie-Lou (European Southern Observatory, Alonso de Cordova 3107, Vitacura, Casilla 19001, Santiago, Chile) ,  Kraft Ralph (Smithsonian Astrophysical Observatory, Cambridge, MA 02138, USA)
資料名： Astronomical Journal  (Astronomical Journal)
巻： 160  号： 5  ページ： 202 (12pp)  発行年： 2020年 
JST資料番号： W1567A  ISSN： 1538-3881  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 銀河クラスターの心臓を取り囲むホットクラスタ内媒体(ICM)は,様々な発光成分から成る複雑な媒体である。Perseus,Coma,またはVirgoクラスタのような近くの銀河クラスタに関する以前の研究は,ICMのX線発光を分光学的に当てはめるとき,多重熱成分の必要性を実証してきたが,現在存在する成分数を計算するための系統的方法論は存在していない。次に,成分数の推定または過大評価は,放出パラメータ推定における系統的誤差を引き起こす。本論文では,機械学習技法のアマルガムを用いて,成分数を決定する新しい手法を示した。Chandra X線観測から利用できる良く確立されたツールを用いて,様々な数の根底にある熱成分を含む合成スペクトルを作成した。訓練集合の次元は,主成分分析を用いて最初に減少し,次にランダムフォレスト分類器を用いて基本成分数に基づいて分類した。次に,訓練と試験アルゴリズムをPerseusクラスタのChandra X線観測に適用した。著者らの結果は,機械学習技術が,熱モデル(MEKAL対APEC)に関係なく,銀河クラスタのスペクトルにおける基礎となる熱成分の数を効率的にかつ確実に推定できることを示した。また,Perseusクラスタのコアは,異なる基礎となる熱成分の混合を含むことを確認した。この方法論を訓練し,Chandra X線観察に適用したが,他の電流(例えば,XMM-Newton,eROSITA)と上昇(例えば,Athena,Lynx,XRISM)X線望遠鏡に容易に携帯できることを強調した。このコードはhttps://github.com/XtraAstronomy/Pumpkinで公開されている。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電流 ,  発光 ,  望遠鏡 ,  心臓 ,  スペクトル ,  媒質 ,  多重化 ,  クラスタ ,  パラメータ推定 ,  *銀河団 ,  主成分分析 ,  *機械学習
準シソーラス用語： 分光学 ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 星雲  (DB06000W)

タイトルに関連する用語 (3件)： 銀河団 ,  温度領域 ,  機械学習