[論文レビュー] The VIMOS Public Extragalactic Redshift Survey (VIPERS). The complexity of galaxy populations at 0.4< z<1.3 revealed with unsupervised machine-learning algorithms

M. Siudek, K. Małek+38 more|arXiv (Cornell University)|Jan 1, 2018

Galaxies: Formation, Evolution, Phenomena参考文献 100被引用数 1

ひとこと要約

本稿では、12個の静止系マグニチュードおよび分光的赤方偏移を用いて、VIPERS調査における銀河を分類するための非教師あり機械学習的手法を導入する。Fisher期待最大化（FEM）アルゴリズムを用い、11種類の典型的なタイプと1種類のバルーン線幅AGNを含む12の明確に分離された銀河クラスを同定した。その結果、初期期の赤い消光銀河から晩期の青い星形成銀河へと至る連続的で複雑な序列が明らかになった。この序列は、従来の色ベースの手法では捉えきれない物理的およびスペクトル的性質の部分構造を示している。

ABSTRACT

Aims. Various galaxy classification schemes have been developed so far to constrain the main physical processes regulating evolution of different galaxy types. In the era of a deluge of astrophysical information and recent progress in machine learning, a new approach to galaxy classification has become imperative. Methods. In this paper, we employ a Fisher Expectation-Maximization (FEM) unsupervised algorithm working in a parameter space of 12 rest-frame magnitudes and spectroscopic redshift. The model (DBk) and the number of classes (12) were established based on the joint analysis of standard statistical criteria and confirmed by the analysis of the galaxy distribution with respect to a number of classes and their properties. This new approach allows us to classify galaxies based on only their redshifts and ultraviolet to near-infrared (UV-NIR) spectral energy distributions. Results. The FEM unsupervised algorithm has automatically distinguished 12 classes: 11 classes of VIPERS galaxies and an additional class of broad-line active galactic nuclei (AGNs). After a first broad division into blue, green, and red categories, we obtained a further sub-division into: three red, three green, and five blue galaxy classes. The FEM classes follow the galaxy sequence from the earliest to the latest types, which is reflected in their colours (which are constructed from rest-frame magnitudes used in the classification procedure) but also their morphological, physical, and spectroscopic properties (not included in the classification scheme). We demonstrate that the members of each class share similar physical and spectral properties. In particular, we are able to find three different classes of red passive galaxy populations. Thus, we demonstrate the potential of an unsupervised approach to galaxy classification and we retrieve the complexity of galaxy populations at z ∼ 0.7, a task that usual, simpler, colour-based approaches cannot fulfil.

研究の動機と目的

• 従来の二峰性色分布に基づく分類法の限界を克服すること。
• データ駆動型の非教師あり手法を用いて、中赤方偏移（z ~ 0.7）における銀河集団の本質的複雑性を調査すること。
• 事前に定義された境界なしに、銀河タイプ間の連続的遷移と亜型を捉える分類フレームワークを構築すること。
• 分類に使用しなかった形態的・スペクトル的・星形成集団の性質（例：4000Åブレーク、sSFR、Sérsic指数、EW(OII)）を用いて、導出されたクラスの物理的整合性を検証すること。
• Euclid や LSST のような大規模な調査において、非教師あり学習の潜在的有用性を示すこと、特に銀河進化のマップ作成に向けた応用を想定する。

提案手法

• 12個の静止系マグニチュードと分光的赤方偏移を組み合わせた13次元パラメータ空間に、Fisher期待最大化（FEM）アルゴリズムを適用する。
• 統計的基準（例：BIC、AIC）とクラス分布の可視的検査を用いて、最適なモデルの複雑さ（DBk = 12クラス）を決定する。
• 確率的割り当てを用いて銀河をクラスに所属させ、ソフトクラスタリングと不確実性の定量化を可能にする。
• 分類に使用しなかった物理的性質（例：4000Åブレーク、sSFR、Sérsic指数、EW(OII)）の分析を通じて、クラスの整合性を検証する。
• FEMクラスとKennicutt（1992）のアトラスにおける分光的タイプを比較し、既存の銀河進化系列との整合性を評価する。
• 0.4 < z < 1.0 の範囲で、赤方偏移に伴うクラスの割合と性質の変化を追跡するため、クラスの赤方偏移進化を分析する。

実験結果

リサーチクエスチョン

• RQ1 非教師あり機械学習は、z ~ 0.7 における従来の色ベース分類法よりも、より複雑で連続的な銀河集団構造を明らかにできるか？
• RQ2 同定されたクラス間で、物理的およびスペクトル的性質（例：星形成率、星の年齢、形態）はどのように変化するか？
• RQ3 FEMクラスは、Kennicutt（1992）のアトラスに由来する既存の分光的タイプとどの程度整合するか？
• RQ4 標準的な二峰性スキームでは見逃されがちな、赤銀河および青銀河集団内の明確な亜型は存在するか？
• RQ5 0.4 < z < 1.0 の赤方偏移範囲において、異なる銀河クラスの相対的割合は、宇宙時間の経過とともにどのように変化するか？

主な発見

• FEMアルゴリズムは、11種類の銀河タイプと1種類のバルーン線幅AGNを含む12の明確なクラスを、大多数の銀河について高い確率（約80%）で同定した。
• クラスは、初期期の赤い消光銀河（クラス1〜3）から晩期の青い星形成銀河（クラス7〜11）へと至る連続的序列を形成しており、中間タイプ（クラス4〜6）は混合性質を示している。
• 3つの明確に異なる赤い消光銀河集団が同定され、それぞれが固有の形態的およびスペクトル的特徴を有していた。これは、単一の赤いシーケンスの仮定に疑問を呈するものである。
• 中間クラス（4〜6）は、青い星形成銀河に比べて、より高い集中度（Sérsic指数）、より低いガス含有量（低いEW(OII)）、およびより低いsSFRを示しており、遷移段階を示している。
• クラス11は、BPT図上の位置から低金属量系またはAGNと強く関連していることが確認された。
• FEM分類は、Kennicutt（1992）の分光的分類と強く相関しており、クラスが初期型から晩期型への進化系列を的確に捉えていることを裏付けている。