X射线牛顿天文望远镜。图片来源：欧洲航天局
　　近日，中科院国家天文台研究员张彦霞、赵永恒和北京大学教授吴学兵合作，通过机器学习方法构建了适合不同波段样本的最优分类器，为X射线牛顿天文望远镜（XMM-Newton）第九次发布的数据集提供了分类预测和概率。相关成果发表于《皇家天文学会月刊》。
　　1999年，欧洲航天局发射了具有极高光谱分辨能力的XMM-Newton，目的是对宇宙天体进行高质量的X射线观测。2019年12月，该项目对外发布了第九次高质量数据集（DR9），该批数据的观测日期从2000年2月至2019年2月，观测的独立源数量达到55万。
　　张彦霞等人首先利用中国郭守敬望远镜和美国斯隆数字巡天（SDSS）的光谱数据，获得已知天体的分类信息，而后结合XMM-Newton项目的X射线数据、广域红外巡天探测器数据及SDSS可见光测光数据，通过交叉证认方法获取了具有不同波段信息的多个已知样本。
　　张彦霞告诉《中国科学报》：“该样本仅占XMM-Newton第九次发布总观测数据的5.78%，这就意味着DR9的绝大多数X射线观测数据仍为未知天体。”
　　张彦霞等人通过数据融合提取了已知样本分别在不同波段的特征信息，接着利用机器学习方法，针对不同波段的已知样本分别构建了不同的分类器，从中挑选出最优分类器，对DR9中的未知源给出了分类预测和概率。
　　相关论文信息：https://doi.org/10.1093/mnras/stab744
　　（原载于《中国科学报》 2021-04-28 第4版）