基于 JWST 成像数据的机器学习测量 $z\sim 8$ 星系的尘埃消光
星系天体物理
2024-03-28 v1 天体物理仪器与方法
摘要
我们 presenting 一种基于 JWST 成像数据测量 z > 6 星系尘埃含量的机器学习研究。尘埃是遥远星系演化和可观测性中的重要未知因素，尘埃通过光谱能量拟合与其他恒星群特征发生退行性。因此，我们开发并测试了一种新的独立于 SED 的机器学习方法，用于预测高红移(z > 6)星系的尘埃衰减和 sSFR。通过 IllustrisTNG 模型构建的模拟星系，采用 E(B-V) 和 A(V) 值参数化不同尘埃含量，然后用于训练基于监督学习的卷积神经网络(CNN)回归模型。我们展示，在这些模拟情景下，单波段和多波段模型能够将遥远星系的尘埃含量预测至 A(V) 约为 0.1 的 1 分散范围内。应用于来自 JADES 和 CEERS 项目的确认 z > 6 星系，我们的模型预测的衰减值 A(V) < 0.7，平均值为 A(V) = 0.28。我们的 CNN 预测显示更大的尘埃衰减，但更少的星系形成，与 SED 拟合值相比。两者表明，确认红移 z > 6 星系并非极端尘埃浓度，尽管该样本可能存在显著偏差。我们讨论了这些问题，并提出了结合机器学习和 SED 拟合以准确测量最高红移星系尘埃特征的想法。
引用
@article{arxiv.2403.18458,
title = {Dust Extinction Measures for $z\sim 8$ Galaxies using Machine Learning on JWST Imaging},
author = {Kwan Lin Kristy Fu and Christopher J. Conselice and Leonardo Ferreira and Thomas Harvey and Qiao Duan and Nathan Adams and Duncan Austin},
journal= {arXiv preprint arXiv:2403.18458},
year = {2024}
}
备注
submitted to MNRAS