从机器学习视角看 SDSS 星系与 ELUCID 子晕的关联
星系天体物理
2023-07-04 v1
摘要
我们探索利用随机森林(RF)学习 SDSS 星系与 ELUCID 子晕之间关联的可行性。ELUCID 是利用 SDSS 物质密度场构建的约束 体模拟。基于 SDSS-ELUCID 匹配星表,我们构建 RF 模型,用若干子晕性质预测 星等、颜色、恒星质量 和比恒星形成率(sSFR)。虽然 RF 能以合理精度预测 和 ,但颜色和 sSFR 的预测精度较低,这可能源于星系与子晕之间的不匹配。为检验这一点,我们在局部邻域内窄质量bin的子晕中使用半解析模型(SAM)和 TNG 流体动力学模拟的星系对星系进行洗牌。我们发现洗牌仅轻微降低 SAM 和 TNG 中的颜色预测精度,其仍显著高于 SDSS。这表明 SDSS 颜色与子晕性质之间的真实关联可能弱于 SAM 和 TNG 中无不匹配效应时的关联。我们还测量了 SDSS、SAM 和 TNG 中星系性质与子晕性质间的皮尔逊相关系数。与 RF 结果类似,我们发现 SDSS 中的颜色-子晕相关性低于 SAM 和 TNG。我们还表明星系-子晕相关性依赖于星系形成模型中的子晕质量。包含更多暗弱星系的先进巡天将为真实宇宙中的星系-子晕关系提供新见解。
引用
@article{arxiv.2307.00060,
title = {Connection Between SDSS Galaxies and ELUCID Subhaloes in the Eye of Machine Learning},
author = {Xiaoju Xu and Xiaohu Yang and Haojie Xu and Youcai Zhang},
journal= {arXiv preprint arXiv:2307.00060},
year = {2023}
}
备注
14 pages, 9 figures, submitted to MNRAS