2021年4月23日，北京大学天文学系博士研究生傅煜铭和吴学兵教授等所在团队在著名天文期刊ApJS发表论文，利用机器学习方法基于光学及红外巡天数据开展了银道面区域背景类星体候选体的搜寻，确定了16万多个银道面背景类星体候选体。这是首个大样本的银道面背景类星体候选体源表，将在未来研究中发挥重要作用。论文链接：点击这里。

过去数十年来，类星体巡天取得了很大进展，但在天区覆盖上仍然存在不足。大型巡天项目主要关注高银纬天区，通常不考虑银道面天区（指银纬|b|<20°区域）。斯隆数字化巡天（SDSS）发布的最新类星体表一共包含75万个类星体，但仅有3737个位于银纬正负20度范围内（|b|<20°），银纬正负10度以内的还不到100个。如图1所示。

图1：SDSS DR16Q类星体密度图（银道坐标系），银纬正负20°内的银道面天区类星体极少。

银道面背景类星体（GPQ）有其所处天区赋予的特别价值。由于银道面聚集了银河系大多数恒星，该天区对天体测量精度的要求更高，但由于缺少该天区的背景类星体，以盖亚为代表的天体测量卫星难以对银道面的天体测量系统误差进行准确估计。一个较大的银道面背景类星体样本有助于建立更好的天体测量参考架，提高银道面天体测量的精度，帮助我们更好地了解银河系的结构和运动学性质。另一方面，银道面背景类星体可以用于示踪银盘上的气体分布，并对测量银河系消光等研究提供重要帮助。

尽管银道面背景类星体十分重要，寻找它们却非常困难。原因主要有：（1）银道面的消光比高银纬天区更强，导致天体变暗、变红，在一定的探测灵敏度下，银道面背景类星体比高银纬的类星体更难探测；（2）银道面的天体密度极高，天文观测的数据质量受到很大影响，天体容易受到（视向）邻近源的光污染；（3）银道面的恒星基数大，与类星体颜色相似的恒星数目也更多，如M、L、T型矮星与高红移类星体颜色相似，而年轻恒星（YSO）和白矮星与低红移类星体相似。
面对银道面和其他密集星场里的类星体选源难题，已有研究给出了一些思路，主要为使用红外及多波段数据。不过，已有研究使用的选源方法一般与高银纬天区相同，较少考虑银道面消光等对天体颜色特征的影响。对于银道面天区的类星体光谱证认，至今国际上也尚无大样本的巡天计划。

郭守敬望远镜（LAMOST）光谱证认过的海量恒星样本为天文学家提供了银道面恒星的数据集。利用SDSS星系和类星体大样本以及Planck卫星测定的银河系消光图，该团队模拟出银道面背景类星体和星系的测光数据，从而合成出机器学习方法可用的训练集；在算法层面，将恒星—星系—类星体的三分类任务拆分为两次二元分类，从而降低类别不平衡与类别比例变化对于分类效果的影响。该团队使用XGBoost算法，通过测光数据对天体进行了自动分类。选取了13个机器学习特征包括PS1光学巡天和AllWISE红外巡天测光数据的11个颜色指数：g-r，r-i，i-z，z-y, g-W1，r-W1，i-W1，z-W1，y-W1，W1-W2，W2-W3，以及两个形态学特征：i-iKron和z-zKron。在获得基于迁移学习和测光数据的银道面背景类星体候选体初始样本后，利用盖亚天体测量卫星的自行数据定义了统计量“零自行概率密度”，加以限制得到更为纯净的类星体候选体。该团队也利用XGBoost算法得到了这些银道面背景类星体候选体的测光红移。得到的160946个银道面背景类星体候选体测光红移-星等分布如图2所示。这是首个大样本的银道面背景类星体候选体源表，测光红移范围为0-5。将候选体源表与现有的SDSS DR16Q、Simbad数据库交叉后，估算出候选体源表的准确率约为90%。

图2：选出的160946个银道面背景类星体候选体测光红移和消光改正后的i波段星等分布。

从2018年至今，该团队使用我国兴隆2.16米望远镜、丽江2.4米望远镜、美国5米Hale望远镜、澳大利亚ANU2.3米望远镜、美国MDM1.3米望远镜，用长缝光谱观测证认了约200个新的银道面背景类星体，成功率达90%。此外，2018以来LAMOST巡天中还发现了约800个新的银道面背景类星体，使新发现的银道面背景类星体总数达到约1000个，极大补充了该天区的类星体数目。对银道面背景类星体的光谱证认结果将在后续论文中发表。今后几年LAMOST对银道面背景类星体候选体的add-on观测无疑将发现数以千计的银道面背景类星体，从而有望让我国在这一领域占据领先地位。

该论文中得到的16万多个银道面方向背景类星体候选体星表通过国家天文科学数据中心论文数据贮藏库（PaperData Repository）保存并提供开放下载。如需了解详情，可点击这里进行查看。国家天文科学数据中心为天文观测设备和研究计划提供数据与技术服务。