中心星系淬灭参数排序的人工神经网络方法
星系天体物理
2016-02-17 v1
摘要
我们提出了一种用于排序星系在淬灭恒星形成过程中星系性质相对重要性的新技术。具体而言，我们开发了一种人工神经网络(ANN)模式识别方法，并将其应用于取自斯隆数字巡天第七次数据发布(Sloan Digital Sky Survey Data Release 7)的超过400,000个中心星系的群体。我们利用多种物理星系性质来训练模式识别算法以识别恒星形成系统和被动系统，训练集包含约100,000个星系。随后我们将ANN模型应用于验证集，该验证集由从剩余样本中随机选取的约100,000个不同星系组成。每个参数单独及与其他参数联合时的成功率被用作该参数对中心星系淬灭过程重要性的指示。我们发现中心速度弥散、核球质量和B/T是被动系统状态的极好预测因子，表明与星系中心质量相关的性质与恒星形成的停止最为密切相关。更大尺度的星系性质（总恒星质量或盘恒星质量），或与环境（晕质量或δ5）相关的性质表现明显较差。我们的结果可以用活动星系核(AGN)反馈驱动中心星系淬灭来合理解释，尽管我们也讨论了其他可能性。
引用
@article{arxiv.1601.01258,
title = {An Artificial Neural Network Approach For Ranking Quenching Parameters In Central Galaxies},
author = {Hossen Teimoorinia and Asa F. L. Bluck and Sara L. Ellison},
journal= {arXiv preprint arXiv:1601.01258},
year = {2016}
}
备注
22 pages, 22 figures, Accepted for publication in MNRAS