基于机器学习方法识别DESI Legacy Imaging Surveys中的环形星系
星系天体物理
2025-06-23 v1
摘要
星系中环形结构的形成与演化对于理解暗物质、星系相互作用以及星系内部保守演化的本质至关重要。然而，现有环形星系目录的数量有限，限制了该领域的深入探索。为填补这一空白，我们引入了一个基于Swin Transformer架构的两阶段二分类模型，用于从DESI Legacy Imaging Surveys中识别环形星系。该模型首先筛选潜在候选对象，然后在第二阶段对其进行精细筛选，以提高分类准确性。在模型训练期间，我们研究了不平衡数据集对两阶段模型性能的影响。我们实验性地使用DESI Legacy Imaging Surveys DR9的数据集进行了各种模型组合的实验，总共处理了573,668张图像，红移范围为z_spec = 0.01-0.20，磁度magr <17.5。在应用两阶段过滤并进行视觉检查后，该模型的整体精度(Precision)超过64.87%，成功识别了8052个新发现的环形星系。通过本目录，未来的DESI光谱数据将促进对环形星系形成与演化的更全面调查。
引用
@article{arxiv.2506.16090,
title = {Identifying Ring Galaxies in DESI Legacy Imaging Surveys Using Machine Learning Methods},
author = {Aina Zhang and Xiaoming Kong and Bowen Liu and Nan Li and Yude Bu and Zhenping Yi and Meng Liu},
journal= {arXiv preprint arXiv:2506.16090},
year = {2025}
}