C2-GaMe：基于机器学习的星系团星系成员分类
宇宙学与河外天体物理
2023-09-25 v5
摘要
我们提出星系团星系成员分类 (C-GaMe)，一种基于一套机器学习模型的分类算法，利用相空间信息作为输入，将星系区分为绕转、下落和背景（闯入者）群体。我们使用基于 Multi-Dark Planck 2 N 体模拟的 UniverseMachine 模拟星表里的星系训练和测试 C-GaMe。我们表明，在估计星系团物理属性（包括密度剖面和速度弥散）方面，概率分类优于确定性分类。我们提出一组估计量以获得星系团属性的无偏估计。我们证明，当在投影相空间中存在闯入者时使用概率预测，C-GaMe 能以 统计误差恢复绕转和下落星系的位置与速度分布。此外，我们通过将训练好的模型应用于不同模拟展示了其鲁棒性。最后，加入比恒星形成率和星系晕质量与星系团晕质量之比作为附加特征可提升分类性能。我们讨论了该技术在增强星系团宇宙学和星系猝灭方面的潜在应用。
引用
@article{arxiv.2205.01700,
title = {C2-GaMe: Classification of Cluster Galaxy Membership with Machine Learning},
author = {Daniel Farid and Han Aung and Daisuke Nagai and Arya Farahi and Eduardo Rozo},
journal= {arXiv preprint arXiv:2205.01700},
year = {2023}
}
备注
Accepted in Astronomy and Computing. Some figures are downsampled from journal version to appear correctly in Chrome