利用机器学习在本地群不规则星系 NGC6822 中认证大质量年轻恒星天体
星系天体物理
2021-08-25 v1
摘要
我们提出一种有监督机器学习方法，用于对本地群矮不规则星系 NGC6822 中的恒星族进行分类。由 Spitzer 与 Herschel 图像测得的近红外颜色（J-H、H-K 与 J-K）、K 波段星等以及远红外面亮度（70 与 160 微米）被用作训练概率随机森林（PRF）分类器的特征。点源被分为八类目标：年轻恒星天体（YSOs）、氧丰与碳丰渐近巨星支星、红巨星支与红超巨星、活动星系核、大质量主序星与银河系前景星。PRF 对所有目标类的识别精度约 90%，对 YSOs 升至约 96%。我们确认了 277 个文献 YSO 候选中具充足特征信息的 125 个的性质，并识别出 199 个新 YSOs 与候选体。虽然它们大多位于已知恒星形成区，我们也发现了新的恒星形成位点。这些 YSOs 质量估计介于约 15-50 Msun，代表了 NGC 6822 中质量最大的 YSO 族。另 277 个文献候选中的 82 个被 PRF 分析明确归类为非 YSOs。我们通过将 YSOs 的空间分布与气体和尘埃的分布利用档案图像比较来刻画恒星形成环境。我们还探索了使用（无监督）t 分布随机邻嵌入图识别由 PRF 分类的同一恒星族的可能性。
引用
@article{arxiv.2108.07105,
title = {Massive young stellar objects in the Local Group irregular galaxy NGC6822 identified using machine learning},
author = {David A. Kinson and Joana M. Oliveira and Jacco Th. van Loon},
journal= {arXiv preprint arXiv:2108.07105},
year = {2021}
}
备注
20 pages, 16 figures. Accepted for publication in MNRAS