利用卷积神经网络从 SDSS 中识别宏象与絮状旋涡星系

旋涡星系可根据其旋臂性质分类为宏象(Grand-designs)和絮状(Flocculents)。宏象展现出近乎连续且高对比度的旋臂，被认为由密度波驱动；而絮状具有斑块状且低对比度的旋臂特征，主要源于随机性。我们训练了一个卷积神经网络(CNN)模型将旋涡星系分类为宏象和絮状，测试准确率达 $\mathrm{97.2\%}$。随后我们使用上述模型对来自 SDSS 的 $\mathrm{1,354}$ 个新旋涡星系进行分类。其中，$\mathrm{721}$ 个被识别为絮状，其余为宏象。我们发现新分类的宏象和絮状的中位渐近旋转速度分别为 $218 \pm 86$ 和 $145 \pm 67$，表明宏象多为大质量、絮状为中等质量旋涡星系。新分类的宏象和絮状的中位形态指数分别为 $2.6 \pm 1.8$ 和 $4.7 \pm 1.9$，意味着絮状主要由晚型星系族群构成，而与宏象相反，这进一步证实了上述结论。最后，两类旋涡星系中棒成分的比例几乎相等，均约 0.3，揭示棒成分的存在并不调控星系所拥有的旋臂类型。我们的结果可能对星系旋臂的形成与演化具有重要启示。