利用恒星运动学精确识别星系并合
星系天体物理
2021-05-12 v1
摘要
为确定并合星系对星系演化的重要性，有必要设计能识别不同类型与阶段并合星系的分类工具。此前，我们利用并合星系的 GADGET-3/SUNRISE 模拟和线性判别分析（LDA）从成像预测因子创建了精确的并合星系分类器。此处，我们基于同一模拟套件导出的恒星运动学预测因子开发了一个互补工具。我们设计模拟恒星速度和速度弥散图以匹配 Apache Point 邻近星系测绘（MaNGA）积分视场光谱（IFS）巡天的规格，并利用 LDA 基于 11 个运动学预测因子的线性组合创建分类。分类随质量比显著变化；主要（次要）并合分类的平均统计准确率为 80%（70%）、精确率为 90%（85%）、召回率为 75%（60%）。主要并合最好由追踪全局运动学特征的预测因子识别，而次要并合依赖追踪次级恒星成分的局部特征。尽管运动学分类不如成像分类准确，但运动学预测因子更擅长识别并合后星系。成像+运动学联合分类有潜力从 MaNGA 等成像和 IFS 巡天中揭示更完整的并合样本。我们注意到，由于用于训练分类器的模拟套件覆盖的星系性质范围有限（即星系为中等质量且盘主导），结果可能不适用于所有 MaNGA 星系。
引用
@article{arxiv.2102.02208,
title = {Accurate Identification of Galaxy Mergers with Stellar Kinematics},
author = {R. Nevin and L. Blecha and J. Comerford and J. E. Greene and D. R. Law and D. V. Stark and K. B. Westfall and J. A. Vázquez-Mata and R. Smethurst and M. Argudo-Fernández and J. R. Brownstein and N. Drory},
journal= {arXiv preprint arXiv:2102.02208},
year = {2021}
}
备注
41 pages, 21 figures, ApJ Accepted