利用机器学习在本地群旋涡星系 M33 中证认大质量年轻恒星天体

我们呈现对本地群旋涡星系 M33 中恒星族的有监督机器学习分类。概率随机森林（PRF）方法此前应用于 NGC\,6822 中的恒星族，其利用近红外与远红外分类特征。它将源分类为九个目标类别：年轻恒星天体（YSOs）、富氧与富碳渐近巨星支星、红巨星支与红超巨星、活动星系核、蓝星（如 O、B 及 A 型主序星）、沃尔夫-拉叶星与银河系前景星。在 100 次分类运行中，基于混淆矩阵，PRF 分类了 162,746 个源，平均估计精度约 86%。我们在 M33 盘上证认出 4985 个 YSO，应用基于密度的聚类分析识别出 68 个主要位于星系旋臂的恒星形成区（SFRs）。恢复了与已知 H\,{\sc ii} 区对应的 SFR，约 91% 的 SFR 与文献中识别的巨分子云空间重合。利用测光测量，以及以具既定演化序列的 NGC\,6822 中 SFR 为基准，我们采用结合 [Hα]/[24μm] 与 [250μm]/[500μm] 比值的新方法估计所有 M33 SFR 的相对演化状态。估计了每个 YSO 质量，范围 6–27\,M⊙。利用这些质量，基于直接 YSO 计数估计 M33 的 SFR 中恒星形成率为 0.63\,M⊙\,yr⁻¹，其中心为 0.79±0.16\,M⊙\,yr⁻¹，全局为 1.42±0.16\,M⊙\,yr⁻¹。