利用Chandra和机器学习识别银河平面后方的类星体候选者

本文解决了在银河平面后方寻找类星体的挑战，由于尘埃和源混淆，该区域的观测非常困难。作者利用Chandra X射线数据，结合光学和红外数据，并采用随机森林分类器来识别类星体候选者。机器学习和多波长数据的应用是关键优势，可以识别更暗的类星体并改进这些天体的普查。本文的重要性在于它对更完整的类星体样本的贡献，这对于各种天文学研究至关重要，包括完善天体测量参考框架和探测银河系的星际介质。

• •利用Chandra X射线数据、Gaia和CatWISE2020数据来寻找银河平面后方的类星体。
• •使用随机森林分类器和回归模型进行候选者选择和红移估计。
• •确定了大量的类星体候选者，包括高置信度的银河平面类星体候选者。
• •为未来的光谱后续观测提供了有价值的样本。
• •改进了银河平面类星体的普查，并促进了对银河系星际和环星系介质的研究。