利用随机森林在模拟 CEERS NIRCam 图像中识别星系并合
星系天体物理
2023-01-18 v1
摘要
识别并合星系是星系演化研究中重要却困难的一步。我们基于各种标准形态参数，给出了从模拟 JWST 图像中对星系并合进行随机森林分类的结果。我们描述了（a）从 IllustrisTNG 和 Santa Cruz SAM 构建模拟图像，并修改它们以模拟未来的 CEERS 观测以及近乎无噪声的观测；（b）从这些图像中测量形态参数；以及（c）利用来自 IllustrisTNG 的模拟星系并合历史信息构建并训练随机森林。随机森林在 范围内正确分类了约 的非并合与并合星系。静止系不对称性参数对低红移并合分类似乎更重要，而静止系核球与团块参数对高红移分类似乎更重要。调整分类概率阈值并不能改善森林的性能。最后，由随机森林分类得出的并合分数与并合率 shapes 和斜率与 Illustris 理论预测相符，但被低估了约 倍。
引用
@article{arxiv.2208.11164,
title = {Identifying Galaxy Mergers in Simulated CEERS NIRCam Images using Random Forests},
author = {Caitlin Rose and Jeyhan S. Kartaltepe and Gregory F. Snyder and Vicente Rodriguez-Gomez and L. Y. Aaron Yung and Pablo Arrabal Haro and Micaela B. Bagley and Antonello Calabrò and Nikko J. Cleri and M. C. Cooper and Luca Costantin and Darren Croton and Mark Dickinson and Steven L. Finkelstein and Boris Häußler and Benne W. Holwerda and Anton M. Koekemoer and Peter Kurczynski and Ray A. Lucas and Kameswara Bharadwaj Mantha and Casey Papovich and Pablo G. Pérez-González and Nor Pirzkal and Rachel S. Somerville and Amber N. Straughn and Sandro Tacchella},
journal= {arXiv preprint arXiv:2208.11164},
year = {2023}
}
备注
21 pages, 14 figures, submitted to ApJ