无监督比较分子云形态

分子云呈现复杂结构，反映其非线性动力学。许多研究探讨其形态与物理属性之间的关系，表明非高斯高阶统计量在捕捉物理信息方面具有重要价值。然而，由于这种桥梁通常在仿真的监督环境中表述，将其转化到观测数据上可能风险较大，尤其是当仿真与观测之间的差异未知时。在本文中，我们旨在直接从观测数据中识别相关摘要统计量。为此，我们开发了一种用于比较给定无标签数据集中两个摘要统计量信息量的测试方法。与监督方法不同，此测试无需任何类别标签或数据关联参数。相反，它基于统计兼容性概念评估和比较摘要统计量的退火程度。我们将其应用于赫氏观测的14个近邻分子云的柱密度图，并迭代比较不同典型摘要统计量的组合。我们表明，这些云的标准高斯描述高度退化，但若对图谱取对数后可显著改善。这说明，若使用得当，低阶统计量仍然非常强大。我们进一步指出，这些描述仍存在少量退火，部分退火由基于压缩小波散射变换提供的高阶统计量所提升。这些退火在观测数据与当前仿真（针对致密云坍缩）之间量化差异，且对logFBM模型并不存在。最后，我们展示如何运用所识别的摘要统计量构建形态距离度量，该度量通过可视化进行评估，结果令人信服。