提取高维星系光谱的信息化潜在表示
星系天体物理
2023-11-30 v1
摘要
为了理解星系演化的基本参数，我们研究了能够解释本地宇宙中所观测星系光谱的最小参数集。我们识别出四个潜在变量，它们高效地表示了由斯隆数字巡天观测到的高维星系光谱能量分布（SEDs）的多样性。此外，我们利用以星系物理性质不同排列组合训练的条件变分自编码器构建了有意义的潜在表示，这有助于我们量化这些传统使用的性质在星系光谱重建中所包含的信息。这四个参数表明，即便拥有光谱星系数据，具有极大量参数的复杂SED星族模型也将难以约束。通过可解释人工智能（XAI）方法，我们发现5000\textup{\AA}以下区域以及显著的发射线（[O II]、[O III]和H）对预测潜在变量尤其具有信息量。我们的发现表明，这些潜在变量提供了比传统考虑的星系物理性质更高效、更基本的星系光谱表示。
引用
@article{arxiv.2311.17414,
title = {Extracting an Informative Latent Representation of High-Dimensional Galaxy Spectra},
author = {Daiki Iwasaki and Suchetha Cooray and Tsutomu T. Takeuchi},
journal= {arXiv preprint arXiv:2311.17414},
year = {2023}
}
备注
5 pages, 6 figures, accepted by NeurIPS 2023