一种利用机器学习区分宁静与尘埃恒星形成星系的方法
星系天体物理
2020-03-25 v1 天体物理仪器与方法
摘要
大型测光巡天提供了丰富的宁静星系观测来源，包括在 z>1 处数量惊人的大种群。然而，由于宁静星系与尘埃恒星形成星系等闯入者在观测上近乎简并，获取大规模且洁净的宁静星系样本一直十分困难。我们描述了一种基于 t 分布随机邻域嵌入（t-SNE）——一种无监督机器学习降维算法——筛选宁静星系的新技术。该 t-SNE 选择相较 UVJ 方法有所改进，去除了本会通过颜色选择的闯入者，也优于测光模板拟合，在高红移端改进更明显。由于高、低红移宁静星系颜色相似，在我们的假设下，在已有大型训练样本的红移处，t-SNE 在 63% 的试验中优于模板拟合。它还可能比训练样本更有效地在高红移处筛选宁静星系。
引用
@article{arxiv.2002.05729,
title = {A Method to Distinguish Quiescent and Dusty Star-forming Galaxies with Machine Learning},
author = {Charles L. Steinhardt and John R. Weaver and Jack Maxfield and Iary Davidzon and Andreas L. Faisst and Dan Masters and Madeline Schemel and Sune Toft},
journal= {arXiv preprint arXiv:2002.05729},
year = {2020}
}
备注
ApJ, in press