[論文レビュー] Improving the open cluster census. I. Comparison of clustering algorithms applied to Gaia DR2 data

Emily L. Hunt, S. Reffert|arXiv (Cornell University)|Dec 8, 2020

Stellar, planetary, and galactic studies参考文献 48被引用数 4

ひとこと要約

本研究では、Gaia DR2データにおける開放集団の検出に関して、DBSCAN、HDBSCAN、およびガウス・ミックスチャネル・モデル（GMMs）を比較した。HDBSCANは、最大82％の優れた感度と、さまざまな距離および密度における集団の回復能力により、最も効果的であったが、誤検出を低減するための後処理を要する。本研究では41個の新しい開放集団候補を同定し、そのうち3つは500 pc以内に位置し、銀河の開放集団のリストがまだ不完全であることが示唆された。

ABSTRACT

The census of open clusters in the Milky Way is in a never-before seen state of flux. Recent works have reported hundreds of new open clusters thanks to the incredible astrometric quality of the Gaia satellite, but other works have also reported that many open clusters discovered in the pre Gaia era may be associations. We aim to conduct a comparison of clustering algorithms used to detect open clusters, attempting to statistically quantify their strengths and weaknesses by deriving the sensitivity, specificity, and precision of each as well as their true positive rate against a larger sample. We selected DBSCAN, HDBSCAN, and Gaussian mixture models for further study, owing to their speed and appropriateness for use with Gaia data. We developed a preprocessing pipeline for Gaia data and developed the algorithms further for the specific application to open clusters. We derived detection rates for all 1385 open clusters in the fields in our study as well as more detailed performance statistics for 100 of these open clusters. DBSCAN was sensitive to 50% to 62% of the true positive open clusters in our sample, with generally very good specificity and precision. HDBSCAN traded precision for a higher sensitivity of up to 82%, especially across different distances and scales of open clusters. Gaussian mixture models were slow and only sensitive to 33% of open clusters in our sample, which tended to be larger objects. Additionally, we report on 41 new open cluster candidates detected by HDBSCAN, three of which are closer than 500 pc. When used with additional post-processing to mitigate its false positives, we have found that HDBSCAN is the most sensitive and effective algorithm for recovering open clusters in Gaia data. Our results suggest that many more new and already reported open clusters have yet to be detected in Gaia data.

研究の動機と目的

• DBSCAN、HDBSCAN、およびGMMsの3つのクラスタリングアルゴリズムがGaia DR2データから開放集団を検出する性能を評価・比較すること。
• さまざまな集団特性にわたる各アルゴリズムの感度、特異度、適合率、および真正陽性率を定量化すること。
• 既存の集団検出手法における限界を特定し、銀の宇宙における開放集団のリストの完全性を向上させること。
• 最適化されたクラスタリング手法を用いて、特に近距離および低表面輝度の対象を含む新しい開放集団候補を同定すること。
• 将来的な大規模なブラインドサーチの基盤を提供することを目的とし、HDBSCANに後処理を施して誤検出を低減すること。

提案手法

• DBSCAN、HDBSCAN、およびGMMsを、位置、自己運動、パララックスを含むGaia DR2のアストロメトリックデータに適用した。事前に特化した前処理パイプラインを構築した。
• DBSCANに対しては、感度と適合率のバランスを図るために、ACG法を用いたハイブリッドアプローチを採用した。
• HDBSCANの階層的クラスタリング構造を変更し、Gaiaデータに見られる可変な集団密度とスケールに対応できるように最適化した。
• 既知の集団におけるメンバー割り当てにGMMsを最適化したが、計算コストの高さがスケーラビリティを制限した。
• 1385個の既知の開放集団を用いたサンプルを用いてアルゴリズムの性能を評価し、代表的な100個の集団について詳細分析を行った。
• HDBSCANの出力に対して後処理を施し、誤検出をフィルタリングし、新しい集団候補の妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 DBSCAN、HDBSCAN、およびGMMsは、Gaia DR2データにおける開放集団検出に関して、感度、特異度、適合率の観点でどのように比較されるか？
• RQ2 各アルゴリズムは、さまざまな距離、サイズ、密度の集団を回復する際に、どのような限界を示すか？
• RQ3 HDBSCANは、DBSCANおよびGMMsが検出できない開放集団、特に高消光域や遠方領域の集団を検出できるか？
• RQ4 HDBSCANに後処理を施した場合、どれだけの数の新しい開放集団候補を信頼性を持って同定できるか？
• RQ5 MWSCカタログに報告された既存の開放集団の多くが、実際には連星系であるか、Gaiaデータでは検出不能である可能性はどの程度か？

主な発見

• HDBSCANは最高の感度を達成し、真の陽性開放集団の最大82％を検出できた。特に、さまざまな距離とスケールにわたって優れた性能を示した。
• DBSCANは、50–62％の既知の集団を検出でき、高い特異度と適合率を示したが、一様なグローバルなエプシロンパラメータのおかげで、可変密度構造の処理に苦労した。
• GMMsは最も遅く、感度も最低で、33％の集団しか検出できず、主に大きな集団に限定された。大規模なブラインドサーチには不適であった。
• 本研究では41個の新しい開放集団候補を同定した。そのうち3つは500 pc以内にあり、1つはたった290 pcの距離に位置しており、局所的な集団のリストに著しい不完全性があることが示唆された。
• MWSCカタログに掲載されたいくつかの文献上の集団は、実際には連星系であるか、Gaiaデータでは検出不能である可能性が高く、既存のカタログの再評価が求められることがわかった。
• 後処理を施したHDBSCANの結果は、今後の大きな規模のブラインドサーチにおいて強く有望であり、微弱で遠方の集団の検出が向上していることが示された。