CSST課堂
csst_summer_school_lecture_20220726
資料信息來源于中國巡天空間望遠鏡

1 項目簡介

巡天空間望遠鏡，英文名 China Space Station Telescope (CSST)，是中國載人航天工程規(guī)劃建設的大型空間天文望遠鏡，口徑2米，兼具大視場和高像質(zhì)的優(yōu)異性能，并具備在軌維護升級的能力。巡天空間望遠鏡的后端天文模塊包括：多色成像和無縫光譜巡天模塊、多通道成像儀、積分視場光譜儀、系外行星成像星冕儀、高靈敏度太赫茲模塊。巡天空間望遠鏡以大規(guī)模天文巡天為主任務，致力于成為一個面向國際開放的、先進的且專門服務于天文學及物理學研究的空間天文臺。

星系和活動星系核

星系是構成可見宇宙的基本單元。星系的形成演化是現(xiàn)代天文學的核心研究內(nèi)容之一。利用CSST大天區(qū)巡天和超深場觀測提供的豐富數(shù)據(jù)研究星系和活動星系核／大質(zhì)量黑洞的各種性質(zhì)及演化規(guī)律，是CSST科學研究的重要領域。

一、星系的形態(tài)結構及其演化

實現(xiàn)星系形態(tài)的快速自動分類，研究星系中心結構及不同成分、不同類型星系結構隨紅移的演化規(guī)律；研究活動星系核寄主星系的結構分解和形態(tài)，星系結構形態(tài)與其他波段物理特性的聯(lián)系，低紅移矮星系結構與形態(tài)，星系外圍區(qū)域結構形態(tài)特征；理解星系結構演化的物理機制。

二、星系演化及對環(huán)境的依賴

搜尋星系團和星系群及大尺度空洞；研究星系和星系星族的物理性質(zhì)和統(tǒng)計性質(zhì)（光度函數(shù)、質(zhì)量函數(shù)等）、恒星形成峰值后期關鍵物理過程、強發(fā)射線星系和特殊星系、不同尺度環(huán)境對星系的影響，星系氣體和星系性質(zhì)以及與環(huán)境的關聯(lián)。

三、高紅移星系和宇宙再電離

建立高紅移萊曼截斷星系（LBG）和萊曼發(fā)射線星系（LAE）觀測樣本；研究高紅移星系的形成、演化、物理性質(zhì)和星族成分；利用高紅移星系研究宇宙再電離和再電離中后期星系的大尺度環(huán)境。

四、活動星系與超大質(zhì)量黑洞

構建活動星系核與類星體大樣本；研究星系與大質(zhì)量黑洞的協(xié)同演化，活動星系核與類星體的結構、能譜分布、光變及輻射機制，類星體寄主星系中的核反饋與恒星形成，活動星系核與類星體的統(tǒng)計性質(zhì)及宇宙學演化，研究特殊類型的活動星系核與類星體。

2 星系與活動星系核圖像的成分分解

引言

星系成分分解是一種星系圖像建模 (Modeling)方法。利用包含多個成分 (Multiple Components)的圖像模型更好地描述觀測到的星系流量分布 (Flux Distribution)信息，以期更準確地測量星系性質(zhì) (Extract Information)、理解背后物理規(guī)律 (Gain Insight) 的方法。

星系圖像的成分分解

1.更好的測光: 成分分解提供了一個描述星系圖像細節(jié)的模板

使我們有機會更精確地描述一個星系的面亮度分布，類星體或活動星系核宿主星系的測光。

2.參數(shù)化描述星系結構:提供一個定量理解星系多樣形態(tài)的框架

3.星系形成中的復雜物理過程塑造了星系中的各種結構

僅僅知道“星系長什么樣子？”是不夠的，星系形成演化研究要回答的問題是：“星系為什么長這個樣子？”

• 研究范式：對特定成分進行建模和測光、結構信息提??；構建結構性質(zhì)間、以及與其他基本性質(zhì)的標度關系；以紅移、環(huán)境等基礎性質(zhì)作為變量討論背景物理過程；結合模型、模擬，通過比較理解具體物理過程。
• 更準確的圖像分解研究能加深我們對星系演化的理解

為什么我們需要測光圖像成分分解？
1.對物理機制：圖像分解是基于觀測進行探索的“瑞士軍刀”
2.對星系族群：圖像分解提供了星系結構定量的歸納與分類
3.對單個星系：圖像分解提供了準確、精細的測光模型

3 圖像分解的基本原則與限制

1. 首先明確你的科學目標，永遠用科學目標來指導圖像分解工作
2. Devils are in the Details! 細節(jié)決定成敗
3. 不要輕信擬合結果！擬合完成的時刻工作才剛剛開始
4. 要充分理解圖像分解方法的局限和不足

星系圖像建模是一個快速發(fā)展的領域；CSST也是一個面向未來的天文項目。值得關注的幾個發(fā)展方向：

1.多波段、多目標、多類型圖像的同時擬合日益常規(guī)化
2.圖像 + 運動學 + 星族的聯(lián)合成分分解已成為可能
3.結合了現(xiàn)代優(yōu)化算法的非參數(shù)圖像擬合展示出了很好的潛力
4.統(tǒng)計學習乃至人工智能的應用正在被積極探索