GAMA 调查局部宇宙星系数据的多层次模型化表征

了解星系 population 的形成与演化需要 robust 的分类和表征技术，能够联合考虑星系内部属性与环境。我们分析了来自 Galaxy And Mass Assembly (GAMA) 调查的 5306 颗星系，这些星系由 stellar mass、specific star formation rate、u-r 颜色、half-light radius、Sérsic index 以及由 optimal density 提供的综合环境度量描述。与基于距离的无监督聚类方法不同，我们的框架提供星系 population 的概率表征，容纳 heavy-tailed feature 分布，并通过潜在因子捕获 observable 之间的相关性。我们使用 t-mixture of factor analysers with group-specific latent structures (M$t$FAD) 对样本进行建模，然后应用 model-estimated overlap-based syncytial clustering (MOBSynC) 合并弱分离的 group，以恢复更高层次的 population 结构。第一阶段识别出 8 个 simple cluster。第三和第四组位于红色、低星际形成序列上，分别对应环境抑制和质量抑制系统；第六组追踪星际形成序列的高质量端；第七组似乎代表一种更异构的 population，可能包括过渡对象。其余 group 分布在低至中等质量的蓝色序列上，包括紧凑型和更为延伸的星际形成星系。第二个 MOBSynC 阶段将 simple cluster 合并为两个 compound group：由第三和第四组组成的红色序列，以及其余合并形成宽广的蓝色序列。我们的结果表明，熟知的红蓝双峰结构包含额外的、与 quenching 路径、形态学和环境相关的物理上有意义的亚结构。