[논문 리뷰] Evolution of the galaxy merger fraction in the CLAUDS+HSC-SSP deep fields

Nathalie Thibert, Marcin Sawicki외 4명|arXiv (Cornell University)|2021. 06. 08.

Galaxies: Formation, Evolution, Phenomena참고 문헌 24인용 수 8

한 줄 요약

이 연구는 깊은 HSC-SSP 및 CLAUDS 영상에서 유도한 형태학적 특징을 기반으로 훈련된 랜덤 포레스트 분류기를 사용하여 $M_* > 10^{10.5}M_\bigodot$ 은하에서 $z \sim 1$ 까지 은하 병합을 탐지한다. 시각적 검증과 적색편이에 의존하는 불완전성 보정을 거친 후, 병합 분율이 $(1+z)^{2.3\pm0.4}$ 로 진화하는 것으로 나타났으며, 이는 $z=1$ 이후 약 0.3회의 주요 병합이 각 거대 은하당 발생했음을 시사한다.

ABSTRACT

We estimate the evolution of the galaxy-galaxy merger fraction for $M_\\star>10^{10.5}M_\\odot$ galaxies over $0.25<z<1$ in the $\\sim$18.6 deg$^2$ deep CLAUDS+HSC-SSP surveys. We do this by training a Random Forest Classifier to identify merger candidates from a host of parametric morphological features, and then visually follow-up likely merger candidates to reach a high-purity, high-completeness merger sample. Correcting for redshift-dependent detection bias, we find that the merger fraction at $z=0$ is 1.0$\\pm$0.2%, that the merger fraction evolves as $(1+z)^{2.3 \\pm 0.4}$, and that a typical massive galaxy has undergone $\\sim$0.3 major mergers since $z=1$. This pilot study illustrates the power of very deep ground-based imaging surveys combined with machine learning to detect and study mergers through the presence of faint, low surface brightness merger features out to at least $z\\sim1$.

연구 동기 및 목표

• 깊은 지상 기반 영상 자료를 이용해 $0.25 < z < 1$ 범위에서 거대 은하($M_* > 10^{10.5}M_\odot$)의 병합 분율 진화를 측정하는 것.
• 큰 샘플에서 시각적 검토의 한계를 극복하기 위해 형태학적 특징 기반으로 병합 후보를 식별하는 기계학습 접근법을 개발하고 검증하는 것.
• 형태학적 병합 식별에서의 적색편이에 따른 탐지 편향을 보정하여 고순도 및 고완전도의 병합 샘플 확보하는 것.
• 관측된 병합 분율 진화를 바탕으로 $z=1$ 이후로 거대 은하가 겪은 주요 병합 횟수를 정량화하는 것.

제안 방법

• 형태학적 및 광도적 특징 14종(세르시크 지수, 농도, 비대칭성, 잔여 플럭스 비율, 기니 계수, 광도 적색편이 등)을 사용하여 60,957개의 은하를 대상으로 랜덤 포레스트 분류기(RFC)를 훈련시켰다.
• 136개의 병합, 782개의 비병합을 포함한 총 918개의 은하로 구성된 시각적 레이블링된 훈련 세트를 활용하여 RFC를 校정하였으며, 클래스 균형을 위해 무작위 서브샘플링 및 인공 병합 생성을 시행하였다.
• 높은 확률의 후보자($P_{merge} > 0.7$)를 대상으로 시각적 후속 조사 수행 결과, 7,550개의 후보자 중 1,576개의 확실한 병합을 식별하였다.
• 낮은 적색편이의 병합을 고적색편이 버전으로 시뮬레이션하고 동일한 파ip라인에서 재탐지율을 측정함으로써 적색편이에 의존하는 불완전성 보정을 적용하였다.
• 불완전성 보정 후 병합 분율을 거듭제곱 모델로 적합: $f_{\text{merge}}(z) = (0.010 \pm 0.002) \times (1+z)^{2.3 \pm 0.4}$.
• 병합 분율을 우주 시간에 걸쳐 적분하여 $z=1$ 이후로 거대 은하당 누적 주요 병합 횟수를 추정하였다.

실험 결과

연구 질문

• RQ1 거대 은하($M_* > 10^{10.5}M_\odot$)의 병합 분율은 $z \sim 0.25$ 에서 $z \sim 1$ 까지 적색편이에 따라 어떻게 변화하는가?
• RQ2 형태학적 특징을 기반으로 훈련된 랜덤 포레스트 분류기는 깊은 지상 기반 영상에서 고순도 및 고완전도로 병합 후보를 신뢰성 있게 식별할 수 있는가?
• RQ3 적색편이가 저표면 밝기 병합 특징의 탐지 가능성에 미치는 영향은 무엇이며, 병합 분율 측정에서 이를 어떻게 보정할 수 있는가?
• RQ4 관측된 병합 분율 진화를 바탕으로, $z=1$ 이후로 일반적인 거대 은하가 겪은 주요 병합 횟수는 몇 번인가?

주요 결과

• 거대 은하($M_* > 10^{10.5}M_\odot$)의 $z=0$ 시점 병합 분율은 $1.0 \pm 0.2\%$ 로 측정되었다.
• 병합 분율은 $(1+z)^{2.3 \pm 0.4}$ 로 진화하여 이른 우주로 갈수록 병합 활동이 뚜렷이 증가함을 시사한다.
• 불완전성 보정 후 병합 분율은 이전 연구와 일치하여 방법의 신뢰성을 검증하였다.
• 적색편이에 의존하는 불완전성 보정은 필수적이며, 고적색편이에서 형태학적 특징이 더 이상 탐지하기 어려워지기 때문이다.
• 일반적인 거대 은하의 경우 $z=1$ 이후 약 0.3회의 주요 병합이 발생했으며, 이는 시간에 따른 병합 분율 적분을 통해 유도되었다.
• 랜덤 포레스트 분류기는 병합 탐지에 있어 $RFF$, $M_{20}$, $S_{\text{resid}}$ 를 가장 중요한 특징으로 식별하였다.