机构名称：
¥ 1.0
我们已经开发了基于神经网络的管道，以直接从X射线中的光子信息中直接从已知的红移来估计星系簇的质量。我们的神经网络是使用对eRosita观察的模拟的监督学习进行了培训的，重点是最终的赤道深度调查（EFEDS）。我们使用了已修改的卷积神经网络，以包括有关集群的其他信息，尤其是其红移。与现有作品相比，我们利用了包括背景和点源的模拟来开发一种直接适用于延长质量范围的观察性吞噬数据的工具 - 从组尺寸的光环到质量的大量群集到10 13 m 使用这种方法，我们能够在第一次提供来自Spectrum-Roentgen-Gamma / Erosita观察的观察到的EFEDS群集样品的神经网络质量估计，并且我们发现具有弱慢量校准质量的一致性。 在此测量中，我们没有使用弱效率信息，并且仅使用了以前的群集质量信息，该信息用于校准模拟中的群集特性。 与模拟数据相比，我们观察到相对于亮度和基于计数速率的比例关系的散射减少。 我们还对其他即将到来的Erosita All-Sky调查观察的申请发表评论。使用这种方法，我们能够在第一次提供来自Spectrum-Roentgen-Gamma / Erosita观察的观察到的EFEDS群集样品的神经网络质量估计，并且我们发现具有弱慢量校准质量的一致性。在此测量中，我们没有使用弱效率信息，并且仅使用了以前的群集质量信息，该信息用于校准模拟中的群集特性。与模拟数据相比，我们观察到相对于亮度和基于计数速率的比例关系的散射减少。我们还对其他即将到来的Erosita All-Sky调查观察的申请发表评论。
EROSITA最终赤道深度调查（EFEDS）
主要关键词
相关文件推荐
