由北京大学傅煜铭博士和吴学兵教授领衔的国际研究团队从国际Gaia 卫星DR3数据中识别出了超过150万个可靠的类星体候选体，研究成果于2024年4月4日发表在著名天文期刊The Astrophysical Journal Supplement Series （ApJS）上。这项新研究在已有的Gaia DR3类星体候选体源表的基础上取得了显著改进，原有Gaia DR3类星体候选体源表因为纯度很低，其天体物理应用受到了很大限制。
图1. 银道坐标系中CatNorth类星体候选体源表的密度图
类星体是明亮的活动星系核，由超大质量黑洞通过吸积周围物质释放出巨大的能量。作为宇宙中最明亮的一类天体，类星体对于理解星系和超大质量黑洞的形成和演化，以及探测宇宙大尺度结构都具有不可替代的重要作用。原始的Gaia DR3类星体候选体表包含了660多万个源，但其纯度（确认是类星体的比例）据估计仅为52%左右，这对于进行深入的类星体和宇宙学研究来说远远不够。北大团队在Gaia DR3数据基础上，结合Pan-STARRS1光学和CatWISE2020红外波段数据构建了包含150多万个源的CatNorth类星体候选体源表，将类星体纯度提高到约90%，同时保持了高完备度。基于多波段测光数据和Gaia的天体自行数据，该团队利用XGBoost机器学习算法，构建了一个可靠且无偏的天体分类模型。傅煜铭博士介绍：“通过结合Gaia DR3和我国郭守敬望远镜LAMOST等多种数据库构建近30个恒星样本，并且仔细检查斯隆光谱巡天SDSS证认的类星体和星系样本，我们为机器学习分类模型构建了一个全面且可靠的训练集。我们还基于TabNet、FT-Transformer和XGBoost算法构建了一个集成回归模型，为所有类星体候选体提供了准确的测光红移。”
图2. 三个Gaia DR3类星体候选体源表相对SDSS的对数红移误差直方图。CatNorth在三个源表中红移错误的比例最低
吴学兵教授进一步解释说：“将多波段测光数据的颜色指数，以及Gaia提供的天体形态延展度和自行数据相结合，可以有效证认这些‘宇宙灯塔’。我们发展的新方法极大地提高了类星体选源的准确性。”
图3. CatNorth与SDSS 光谱证认的类星体表DR16Q在颜色-颜色图高度匹配，恒星（红色密度图）污染水平低
“利用国外的HCT光学望远镜，我们在从随机选取的10个CatNorth候选体中确认了8个新的类星体，而这些候选体都不在另一个同类的类星体候选体源表Quaia中，这证明我们的CatNorth类星体源表具有非常高的成功率。”傅煜铭博士补充，“这一进展不仅增进了我们对宇宙全貌的了解，也充分展示了结合多种天文学数据与机器学习技术开展研究的出色效果。”作为天体物理领域国际合作的成果，CatNorth源表现已成为我国LAMOST第三阶段类星体巡天的主要输入星表。吴学兵教授强调：“CatNorth百万类星体源表还将为国际欧几里得（Euclid）空间望远镜和中国空间站工程巡天空间望远镜（CSST）等巡天项目提供关键的类星体星表资源，为探索遥远宇宙结构作出贡献。”
该研究论文全文可以在线查看：
https://iopscience.iop.org/article/10.3847/1538-4365/ad2ae6
CatNorth类星体候选体源表可以通过国家天文科学数据中心数据库获取：
https://nadc.china-vo.org/res/r101313/
