Exploring the physical properties of type II quasar candidates at intermediate redshifts with CIGALE
Notice bibliographique
Résumé
Context. Active galactic nuclei (AGNs) play a vital role in the evolution of galaxies over cosmic time, significantly influencing their star formation and growth. As obscured AGNs are difficult to identify due to obscuration by gas and dust, our understanding of their full impact is still under study. It is essential to investigate their properties and distribution, in particular type II quasars (QSO2s), to comprehensively account for AGN populations and understand how their fraction evolves over time. Such studies provide critical insights into the co-evolution of AGNs and their host galaxies. Aims. Following our previous study, where a machine learning approach was applied to identify 366 QSO2 candidates from SDSS and WISE surveys (median z ∼ 1.1), we now aim to characterise this QSO2 candidate sample by analysing their spectral energy distributions (SEDs) and deriving their physical properties. Methods. We estimated relevant physical properties of the QSO2 candidates, including the star formation rate (SFR), stellar mass (M*), AGN luminosity, and AGN fraction, using SED fitting with CIGALE. We compared the inferred properties with analogous populations in the semi-empirical simulation SPRITZ, placing these results in the context of galaxy evolution. Results. The physical properties derived for our QSO2 candidates indicate a diverse population of AGNs at various stages of evolution. QSO2 candidates cover a wide range in the SFR–M* diagram, with numerous high-SFR sources lying above the main sequence at their redshift, suggesting a link between AGN activity and enhanced star formation. Additionally, we identify a population of apparently quenched galaxies, which may be due to obscured star formation or AGN feedback. Furthermore, the physical parameters of our sample align closely with those of composite systems and type 2 AGNs from SPRITZ, supporting the classification of these candidates as obscured AGNs. Conclusions. This study confirms that our QSO2 candidates, selected via a machine learning approach, exhibit properties consistent with being AGN-host galaxies. This method can identify AGNs within large galaxy samples by considering AGN fractions and their contributions to the infrared luminosity, going beyond the limitations of traditional colour–colour selection techniques. The diverse properties of our candidates demonstrate the capability of this approach to identify complex AGN-host systems that might otherwise be missed. This shows the help that machine learning can provide in refining AGN classifications and advancing our understanding of galaxy evolution driven by AGN activity with new target selection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».