广西大学：星际多环芳烃红外光谱的机器学习研究（王昭）

背景 结果 00000 0000000000 总 星际多环芳烃红外光谱的 机器学习研究 王昭 广西相对论天体物理实验室，广西大学 第二届机器学习在天文学中的应用会议，2023年9月26日，宜昌 w@gxu.edu.cn 4口卡中1三15，量：0C

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 星际多环芳烃红外光谱的 机器学习研究 王昭 广西相对论天体物理实验室, 广西大学 第二届机器学习在天文学中的应用会议，2023 年 9 月 26 日，宜昌

Soo00 辆 诗 o60066000d 星际芳香红外谱带(ABs)之谜 Polycyclic aromatic hydrocarbon (PAH) 250020001660. 1003 678910 29 Leger Puget (1984) Waveiength [um] Aamd3s所a(185) 左上：仙女座星系的Spitzer-RAC图。左下：红外空间天文台(SO)现测的猎户座恒星形成区的红外光谱。 来源：Peeters et al.2021ACR54,1921 zwOgxu.edu.cn 口卡+B中4之13正刀AC

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 星际芳香红外谱带（AIBs) 之谜 左上：仙女座星系的 Spitzer-IRAC 图。左下：红外空间天文台 (ISO) 观测的猎户座恒星形成区的红外光谱。 来源：Peeters et al. 2021 ACR, 54, 1921

骨景 结果 00000 0000000000 总 星际介质中的多环芳烃(PAHs) PAHs 在宇宙中分布广泛(5%宇宙碳)：Ties2008ARAM46289 控制分子云气体的加热和电离平衡：Hoy2001A&A3701030:Bakes1994ApJ427822 * 影响着恒星的形成过程。Galliano2008Ap672214 * 为星际化学反应提供基底和碳库；Yang2022A&A663A52:Qi2018Ap」867133 w@gxu.edu.cn 4口卡中1三15，量：0C

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 星际介质中的多环芳烃（PAHs） PAHs * 在宇宙中分布广泛（5% 宇宙碳）; Tielens 2008 ARAA 46 289 * 控制分子云气体的加热和电离平衡; Hony 2001 A&A 370 1030; Bakes 1994 ApJ 427 822 * 影响着恒星的形成过程。Galliano 2008 ApJ 672 214 * 为星际化学反应提供基底和碳库; Yang 2022 A&A 663 A52l; Qi 2018 ApJ 867 133

go0 調 星际芳香红外谱带的PAH载体认证研究进展 H H 章-班 PAH红外发射特性的研究补充 拓扑缺陷：Ricca2011.Yu2012,Ot2014.Bauschlicher2015,Devi2020 官能团：Sadjadiz2015,Bauschlicher2016,Buragohain2020,Yang2017 边缘构型：Sandford2013,Candian2014.Ricc2018.Ricca2019,Yang2020 *电荷：Cecchi-Pestellini2008,Devi202,Maragkoudakis2020 米尺寸：Draine2007.Bauschlicher2008,Bauschlicher2009.Andrews2015 *掺杂：Buragohain2015,Caneloz2018,0 iveira2021 ->传统理论 口卡D中4之t3至刀Q

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 星际芳香红外谱带的 PAH 载体认证研究进展 PAH 红外发射特性的研究补充 * 拓扑缺陷: Ricca2011,Yu2012,Ottl2014,Bauschlicher2015,Devi2020 * 官能团: Sadjadi2015,Bauschlicher2016,Buragohain2020,Yang2017 * 边缘构型: Sandford2013,Candian2014,Ricca2018,Ricca2019,Yang2020 * 电荷: Cecchi-Pestellini2008,Devi2022,Maragkoudakis2020 * 尺寸: Draine2007,Bauschlicher2008,Bauschlicher2009,Andrews2015 * 掺杂: Buragohain2015,Canelo2018,Oliveira2021 -> 传统理论

骨景 结果 000a0 0000000000 总 星际芳香红外谱带载体认证的挑战 Box 2 Puzzling questions about PAHs raised partly from Spitzer observations No exact identification of the UIE band carriers has been made yet.No specific PAH molecule has been identified in the interstellar or circumstellar space. Li A.Nat Astro 4.339(2020) 难点 PAHs的多样化结构->复杂的结构谱带关系->分解光谱无统一模型 w@gxu.edu.cn 4口卡中1三15，年：0C

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 星际芳香红外谱带载体认证的挑战 难点 * PAHs 的多样化结构 -> 复杂的结构-谱带关系 -> 分解光谱无统一模型

8悬o。 满 000000000 8 数据驱动的机器学习算法 PAH IR Spectral Database (PAHdb) 潜力 ()PAHs的多样化结构-机器学习模型的低消耗 (2)复杂的结构谱带关系-全波段的统计研究模式 (3)ABs载体的混合特性-利用机器的“直觉”去寻找最可能的组合 Training Interpretation Machine Learning Algorithms Predictive Model Data .edu.cn 口04之·t色，至刀96

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 数据驱动的机器学习算法 (PAHdb) 潜力 (1) PAHs 的多样化结构 - 机器学习模型的低消耗 (2) 复杂的结构-谱带关系 - 全波段的统计研究模式 (3) AIBs 载体的混合特性 - 利用机器的“直觉”去寻找最可能的组合

骨受 方清 结果 00000 0000000000 总 人工神经网络 artificial neural network Dataset input hidden output layer layer layer 风恐 Decision tree-1 Decision tree-2 Decision tree-3 Decision tree-N Aewt-1 Bruk-2 Bonu-3 T外老 Majority voting Finalresutt Zw@gxu.ediu.en 口卡“回中1三·1告，在：QC

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 人工神经网络

8o 方洁 0000000000 8 分子指纹 损失函数：EMD C11H80 Earth mover dstsnce *:6 1 Extended-Connectivity FingerPrints(ECFP) Rogers et al,J.Chem.Inf.Model.2010,50.742 w@gxu.edu.cn 口卡D中4之1色至刀90

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 分子指纹 Extended-Connectivity FingerPrints (ECFP) Rogers et al, J. Chem. Inf. Model. 2010, 50, 742

骨要 00000 有洁 结果 0000000000 总 学习流程 CPAHIR Sprctral Dutubuse 分子指纹+光谱 supplementary 14,124 spectra moo Testing set Training set 25% 75% w@gxu.edu.cn 4口“回中左·1告在：Q0

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 学习流程

8易oe 糖 结果 ●000000000 光谱预测效果 Ref (PAhdb] EM0=0.36 EMD=0.57 Predicted (NN) 500 1000 1500 2000 500 1000 1500 2000 Frequency (cm-1) Frequency (cm-1) EMD =1.19 d) EMD =3.54 50010001500 2000 500 10001500 2000 Frequency (cm1) Frequency (cm"1) The four panels provide examples of what a prediction looks like for different levels of quality,from good to poor.ApJ 902 100(2020) zw@yxu.edu.cn ,口0中之，13。重 刀AC

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 背景 . . . . . . 方法. . . . . . . . . . . . . . . . . . . . 结果 . . . . 总结. 光谱预测效果 The four panels provide examples of what a prediction looks like for different levels of quality, from good to poor. ApJ 902 100 (2020)