测试基于主成分分析的新星形成历史模型以便于光谱合成建模

星系的光谱是许多星系属性（如星形成历史（SFH）、初始质量函数和金属丰度）的复杂卷积。因此，通过光谱合成建模从观测光谱推断星系属性具有挑战性。特别是，需要一种简单而灵活的SFH模型来获得无偏的推断。在本文中，我们使用来自IllustrisTNG和EAGLE模拟的SFH来测试SFH模型在描述模拟SFH和由其生成的光谱方面的能力。除了一些常用的SFH模型（$\Gamma$、$\tau$和非参数模型）外，我们还考察了基于主成分分析（PCA）开发的模型，该模型由来自IllustrisTNG的SFH训练。我们发现，使用前五个主成分（特征历史），PCA基模型可实现简单性和准确性之间的良好平衡。在所测试的模型中，PCA基模型通过捕捉多样化且复杂的模拟SFH，提供了高灵活性。要准确再现由模拟SFH生成的光谱，必须具有描述最近SFH（例如覆盖年龄为0 - 0.3 Gyr的阶梯函数）的自由度。总体而言，PCA+阶梯模型在捕捉SFH的多样性和再现相关光谱方面表现良好，表明它是光谱合成建模的有前景且可靠的方法。