攀越峭壁：利用概率随机森林对JWST宇宙峭壁数据中的YSO进行分类
太阳与恒星天体物理
2024-05-13 v2 天体物理仪器与方法
摘要
詹姆斯·韦伯空间望远镜（JWST）首批向公众发布的数据中，包含恒星形成区NGC 3324中俗称“宇宙峭壁”的一部分。我们构建了该区域的测光星表，并测试了利用概率随机森林机器学习方法识别其中年轻恒星天体（YSOs）的能力。我们在视场内19 497个总天体中找到了450个候选YSO（cYSOs），其中413个是既往工作未发现的cYSOs。这些分类通过包括召回率与精确率在内的多种指标得到验证。利用所得天体为YSO的概率，我们采用蒙特卡洛方法确定宇宙峭壁中cYSO的面密度，发现其与Herschel数据推导的柱密度在高达1.37×10 cm的柱密度范围内大体吻合。新确定的宇宙峭壁YSO数量与空间分布表明，JWST在尘埃区域探测YSO的能力远胜于Spitzer。将暗弱cYSO的观测颜色与亮度同主序前模型比较，暗示JWST已在宇宙峭壁探测到大量亚恒星YSO。该种群的规模进一步表明，先前对分子云中恒星形成效率的估计一直系统性偏低。
引用
@article{arxiv.2301.04772,
title = {Climbing the Cliffs: Classifying YSOs in the Cosmic Cliffs JWST Data using a Probabilistic Random Forest},
author = {B. L. Crompvoets and J. Di Francesco and H. Teimoorinia and T. Preibisch},
journal= {arXiv preprint arXiv:2301.04772},
year = {2024}
}
备注
Accepted to the Astronomical Journal