VIMOS 公开河外星系红移巡天 (VIPERS)。利用无监督机器学习算法揭示 0.4< z<1.3 星系种群的复杂性
星系天体物理
2018-12-19 v2
摘要
迄今为止，人们已经发展了各种星系分类方案，以约束调控不同星系类型演化的主要物理过程。在天体物理信息泛滥和机器学习近期取得进展的时代，一种新的星系分类方法变得势在必行。我们采用在 12 个静止星等和光谱红移的参数空间中运行的 Fisher 期望最大化无监督算法。基于对标准统计准则的联合分析，并通过对星系分布相对于类别数量及其性质的分析予以确认，我们确立了该模型 (DBk) 及类别数量 (12)。这种新方法允许我们仅基于星系的红移和 UV-NIR 光谱能量分布对其进行分类。FEM 无监督算法自动区分出 12 个类别：11 类 VIPERS 星系和一个额外的宽线 AGN 类别。在进行初步的蓝、绿、红大类划分后，我们进一步将其细分为三个红色、三个绿色和五个蓝色星系类别。FEM 类别遵循从最早型到最晚型的星系序列，这不仅反映在它们的颜色（由分类过程中使用的静止星等构建）中，也反映在它们的形态、物理和光谱属性（未包含在分类方案中）中。我们证明了每个类别的成员具有相似的物理和光谱属性。特别是，我们能够找到三个不同的红色被动星系种群类别。因此，我们展示了无监督方法在星系分类中的潜力，并恢复了 z~0.7 处星系种群的复杂性，这是一般较简单的基于颜色的方法无法完成的任务。
引用
@article{arxiv.1805.09904,
title = {The VIMOS Public Extragalactic Redshift Survey (VIPERS). The complexity of galaxy populations at 0.4< z<1.3 revealed with unsupervised machine-learning algorithms},
author = {M. Siudek and K. Małek and A. Pollo and T. Krakowski and A. Iovino and M. Scodeggio and T. Moutard and G. Zamorani and L. Guzzo and B. Garilli and B. R. Granett and M. Bolzonella and S. de la Torre and U. Abbas and C. Adami and D. Bottini and A. Cappi and O. Cucciati and I. Davidzon and P. Franzetti and A. Fritz and J. Krywult and V. Le Brun and O. Le Fèvre and D. Maccagni and F. Marulli and M. Polletta and L. A. M. Tasca and R. Tojeiro and D. Vergani and A. Zanichelli and S. Arnouts and J. Bel and E. Branchini and J. Coupon and G. De Lucia and O. Ilbert and C. P. Haines and L. Moscardini and T. T. Takeuchi},
journal= {arXiv preprint arXiv:1805.09904},
year = {2018}
}
备注
published in A&A, 27 pages, 10 figures, 4 appendixes. Please contact Malgorzata Siudek ([email protected]) if you are interested in the catalogue