使用机器学习从光学数据预测星系的中性氢含量

我们开发了一个基于机器学习的框架，利用光学测光和环境参数等更容易观测的量来预测星系的 HI 含量。我们在 Mufasa 宇宙流体力学模拟的 z=0-2 输出上训练该算法，该模拟包含恒星形成、反馈以及一个抑制大质量星系的启发式模型，能够与包括 HI 在内的一系列巡天数据合理匹配。我们采用了多种机器学习方法（回归器），并使用均方根误差（{\sc rmse}）和 Pearson 相关系数（r）量化它们的性能。将 SDSS 测光、第 3 近邻环境和视线本动速度作为特征，我们获得了 HI 丰度预测 r $> 0.8$ 的精度，对应于 {\sc rmse}$<0.3$。将近红外测光加入特征可对预测带来一些改进。与所有回归器相比，随机森林表现最佳，在 $z=0$ 时 r $>0.9$，其次是深度神经网络，r $>0.85$。所有回归器的性能都随红移增加而下降，这限制了该方法在 $z\la 1$ 范围内的适用性，并且它们倾向于略微高估低 HI 星系的 HI 含量，这可能是由于训练样本中的 Eddington 偏差所致。我们在 RESOLVE 巡天数据上测试了该方法。在 RESOLVE 数据子集上进行训练后，我们发现我们的机器学习方法可以合理预测剩余 RESOLVE 数据的 HI 丰度，{\sc rmse}$\sim0.28$。当我们在 Mufasa 的模拟数据上训练并在 RESOLVE 上测试时，该值增至 {\sc rmse}$\sim0.45$。我们的方法将有助于在已有测光数据的区域，对即将开展的 HI 21cm 巡天（如 MeerKAT 上的 LADUMA 和 MIGHTEE 巡天）进行逐星系巡天预测和不完备性校正。