Classification of blazars based on data-driven approaches

技術要約：データ駆動型アプローチに基づくブレーザーの分類

問題提起
活動銀河核（AGN）、特にブレーザーは、その光学光度曲線において独特の変動性を示す。しかし、光学データのみに基づいてブレーザー（BL Lac天体およびフラットスペクトル電波クエーサー（FSRQ）で構成される）を確実に分類することは困難である。光学帯域においては、ブレーザーの特徴である高度に変動する非熱的ジェット放射が、ホスト銀河の安定した光や、降着円盤および広輝線領域（BLR）からの中程度の変動を示す熱的放射によって、混入または減衰される可能性がある。その結果、ブレーザーは通常のAGNに類似することがあり、マルチ波長での確認なしには、光学的な変動性のみでは不十分な分類指標となる。$\gamma$線データはより純粋なジェットのシグネチャーを提供するが、明るい天体に限定されており、決定的な分類にはリソースを大量に消費する分光観測によるフォローアップが必要である。本研究は、非ブレーザーAGNとブレーザーを区別するために、光学光度曲線のみに依存する代替の分類戦略の必要性に対処するものである。

手法
本研究では、Gaia DR3（Gバンド、2014–2017年）およびPan-STARRS（合成光度曲線、2010–2014年）のサーベイから得られた光学光度データを利用する。データセットの構成は以下の通りである：

• 既知の天体： 約2,500のブレーザー（Roma-BZCATカタログより）および、バランスの取れた約2,500の非ブレーザーAGN（変光AGNのGaiaカタログより）。
• 未知の天体： 他のカタログにカウンターパートを持たない21,733のAGN候補。

特徴量抽出は、FATS（Feature Analysis for Time Series）ライブラリを用いて行われ、標準的な統計記述子（振幅、自己相関、フラックスのパーセンタイルなど）および文献の手法（減衰ランダムウォークモデルなど）に基づくカスタムアルゴリズムが生成された。合計約70個の特徴量が初期段階で抽出され、正規化された。

核心となる手法として、2つの機械学習アプローチを採用している：

1. 教師あり分類（LightGBM）： ラベル付けされた「既知」のデータセットに対し、5分割交差検証戦略を用いてLight Gradient-Boosting Machineモデルを学習させた。ハイパーパラメータ（$learning\_rate$, $n\_estimators$, $colsemple\_bytree$）はGridSearchCVを通じて最適化された。
2. 半教師あり学習（自己学習分類器 - STC）： 「未知」の天体を分類するために、自己学習ループを実装した。既知のデータで学習させた初期のLightGBMモデルが、高い信頼度（閾値 > 0.95）を持つラベルを未ラベルの天体に反復的に割り当て、収束するまで学習セットを拡張した。

特徴量選択
高次元の特徴空間に対処するため、BoostBorutaアルゴリズム（勾配ブースティングを用いたBorutaの拡張版）を適用した。この手法は、元の特徴量をランダム化された「シャドウ」特徴量と比較することで、関連する特徴量を特定する。また、モデルの予測に対する個々の特徴量の寄与を定量化し、特徴量選択と解釈性を高めるためにSHAP（SHapley Additive exPlanations）値を統合した。

主な結果

• 教師あり学習の性能： LightGBMモデルは、既知のデータセットに対して86%（±0.012）の精度を達成した。精度（Precision）、再現率（Recall）、およびF1スコアは、両方のクラス（ブレーザーおよび非ブレーザー）において**80–85%**を超えた。
• 特徴量削減： BoostBorutaは、フル特徴量セットと同等の性能（精度：0.856 ± 0.012）を維持しながら、特徴空間を約70個から13個の主要な特徴量（Mean, Eta_e, DRW_tau, CAR_sigmaなどを含む）へと削減することに成功した。
• 半教師あり学習の性能： 自己学習分類器は、21,733の未知の天体を含む拡張されたデータセットに対して85%（±0.013）の精度を達成した。性能指標は教師あり学習のベースラインと一貫しており、疑似ラベル付けアプローチの信頼性を裏付けた。
• 特徴量の重要度： すべての実験を通じて特定された最も重要な3つの特徴量は、Mean（平均等級）、Eta_e（平均二乗逐次等級差と分散の比）、およびDRW_tau（減衰ランダムウォークモデルからの緩和時間）であった。これらの特徴量は、ブレーザーの急速かつ強烈な変動性と、円盤支配的なAGNのより滑らかな進化との間の物理的な二分性を反映している。

意義および主張
本論文は、その主要な貢献は、マルチ波長情報（電波、X線、$\gamma$線）や分光観測によるフォローアップに依存することなく、光学的な時系列データのみを用いてブレーザーと非ブレーザーAGNを分類できることを示した点にあると主張している。著者らは、このアプローチがGaia、Pan-STARRS、および次世代のRubin-LSSTのような大規模サーベイによる豊富かつアクセシブルなデータを活用していることを強調している。

本研究は、光学的な変動のシグネチャーにおいてブレーザーと他のAGNとの間に物理的な重複があるにもかかわらず、データ駆動型の手法が堅牢な識別を実現できることを示している。大量の未ラベル候補に対する自己学習の適用成功は、この手法が将来のサーベイにもスケール可能であることを示唆しており、数万規模の新しいブレーザー候補を特定できる可能性を示している。本研究は、現在の分類におけるボトルネックを解消し、光学的な変動性のみを用いたAGNの効率的な集団レベルの研究のための基礎を築くものである。