用于预测星系参数的多层感知器(MLP-GaP)：星质质量与星形成率
星系天体物理
2024-11-04 v1
摘要
大规模成像调查将产生数十亿星系的多波段光度数据。快速且有效地从数据中提取有用物理信息的策略至关重要。在星系参数中，星质质量和星形成率(SFR)是最基本的两个参数。我们开发了一种新工具，\textit{用于预测星系参数的多层感知器}(MLP-GaP)，其使用机器学习(ML)算法准确且高效地从多波段目录中推导星质质量和SFR。我们首先采用\天文物理模拟代码(\textit{CIGALE})生成的模拟数据集进行训练和测试。随后，我们使用多层感知器模型构建MLP-GaP，并有效地用训练数据集进行训练。在对模拟数据集上的测试结果表明，MLP-GaP能够准确预测参考值。此外，MLP-GaP的处理速度显著快于CIGALE。为了演示MLP-GaP的科学就绪性，我们还将其应用于真实数据样本，并与CIGALE进行比较，其星质质量和SFR的预测值与通过光谱红外拟合得到的估计值表现出很好的一致性。因此，MLP-GaP能够快速准确地预测星质质量和SFR的能力，使其特别适合在大型天空调查时代分析海量星系。
引用
@article{arxiv.2411.00333,
title = {Multi-Layer Perceptron for Predicting Galaxy Parameters (MLP-GaP): stellar masses and star formation rates},
author = {Xiaotong Guo and Guanwen Fang and Haicheng Feng and Rui Zhang},
journal= {arXiv preprint arXiv:2411.00333},
year = {2024}
}
备注
13 pages, 6 figures, 3 tables. Accepted in Research in Astronomy and Astrophysics