SDSS-IV MaNGA：利用机器学习按并合阶段揭示星系相互作用
星系天体物理
2022-10-12 v1 宇宙学与河外天体物理
摘要
我们利用机器学习技术对星系并合阶段进行分类，从而揭示在星系相互作用过程中驱动恒星形成与活动星系核（AGN）活动的物理过程。样本包含来自积分视场光谱巡天 SDSS-IV MaNGA 的 4,690 个星系，可划分为 1,060 个并合星系与 3,630 个非并合或未分类星系。在并合样本中，(1) incoming pair 阶段、(2) 首次近心通过阶段、(3) 接近或刚过远心点阶段、以及 (4) 最终并合阶段或并合后分别有 468、125、293 和 174 个星系。利用投影间距、视线速度差、SDSS gri 图像以及 MaNGA Hα 速度图的信息，我们得以较好地精度对并合及其阶段进行分类，这是识别相互作用星系最重要的指标。对于两阶段分类（二分类；非并合与并合），使用 LGBMClassifier 可获高性能（精度>0.90）。我们发现样本量可通过旋转增大，故五阶段分类（非并合、1、2、3 及 4 并合阶段）亦可良好（精度>0.85）。最重要的特征来自 SDSS gri 图像。MaNGA Hα 速度图、投影间距与视线速度差的贡献可进一步提升性能 0–20%。换言之，图像与速度信息足以捕捉星系相互作用的重要特征，且我们的结果可应用于整个 MaNGA 数据以及未来的全天巡天。
引用
@article{arxiv.2208.11132,
title = {SDSS-IV MaNGA: Unveiling Galaxy Interaction by Merger Stages with Machine Learning},
author = {Yu-Yen Chang and Lihwai Lin and Hsi-An Pan and Chieh-An Lin and Bau-Ching Hsieh and Connor Bottrell and Pin-Wei Wang},
journal= {arXiv preprint arXiv:2208.11132},
year = {2022}
}
备注
accepted for publication in ApJ