[논문 리뷰] Identifying mergers using non-parametric morphological classification at high redshifts

Robert Thompson, Romeel Davé외 2명|arXiv (Cornell University)|2015. 08. 08.

Astronomy and Astrophysical Research참고 문헌 1인용 수 5

한 줄 요약

이 연구는 고해상도 천체역학 줌 인 시뮬레이션을 사용하여 고적색도(z ≈ 2–4)에서 주요 병합을 식별하기 위해 비모수적 형태통계량—특히 비대칭성(A)—을 평가한다. A ≥ 0.8인 임계값을 사용할 경우 거짓 긍정이 최소화되면서 90%의 병합을 식별할 수 있으며, 특히 무작위 방향으로 배열된 시스템에서 기존의 Gini–M20보다 뛰어난 성능을 보인다.

ABSTRACT

We investigate the time evolution of non-parametric morphological quantities and their relationship to major mergers between $4\geq z \geq 2$ in high-resolution cosmological zoom simulations of disk galaxies that implement kinetic wind feedback, $H_2$-based star formation, and minimal ISM pressurisation. We show that the resulting galaxies broadly match basic observed physical properties of $z\sim 2$ objects. We measure the galaxies' concentrations ($C$), asymmetries ($A$), and $Gini$ ($G$) and $M_{20}$ coefficients, and correlate these with major merger events identified from the mass growth history. We find that high values of asymmetry provide the best indicator for identifying major mergers of $>1:4$ mass ratio within our sample, with $Gini$-$M_{20}\,$ merger classification only as effective for face-on systems and much less effective for edge-on or randomly-oriented galaxies. The canonical asymmetry cut of $A\geq0.35$, however, is only able to correctly identify major mergers $\sim 10\%$ of the time, while a higher cut of $A\geq 0.8$ more efficiently picks out mergers at this epoch. We further examine the temporal correlation between morphological statistics and mergers, and show that for randomly-oriented galaxies, half the galaxies with $A\geq0.8$ undergo a merger within $\pm0.2\,{ m Gyr}$, whereas $Gini$-$M_{20}\,$ identification only identifies about a third correctly. The fraction improves further using $A\geq 1.5$, but about the half the mergers are missed by this stringent cut.

연구 동기 및 목표

• 고적색도(z ≈ 2–4)에서 주요 병합을 식별하는 데 비모수적 형태통계량—집중도(C), 비대칭성(A), 기니(G), M20—의 신뢰성을 평가하는 것.
• 지역 허블 시퀀스와 현저히 다른 형태를 보이는 고적색도 은하 연구에 적용 가능한 저적색도 형태분류 방법(예: CAS, Gini–M20)을 校정하는 것.
• 고적색도 디스크 은하에서 진짜 병합 식별률을 극대화하고 거짓 긍정률을 최소화하는 비대칭성과 Gini–M20의 최적 임계값을 도출하는 것.
• 형태지표와 병합 사건 간의 시간적 상관관계를 분석하여, ±200 Myr 창 내에서 예측 능력을 평가하는 것.
• 관측 각도(면대면, 편면, 무작위)가 형태지표의 병합 탐지 성능에 미치는 영향을 평가하는 것.

제안 방법

• 고해상도 천체역학 줌 인 시뮬레이션을 통해 z ≈ 2–4에서 디스크 은하를 시뮬레이션하며, 운동적 풍력 피드백, H2 기반 성별 형성, 최소한의 ISM 압력화를 고려한다.
• 은하 형성과 진화를 시뮬레이션하기 위해 GADGET-3 코드를 사용하고, 후처리 단계에서 Loser를 활용해 HST WFC3 F160W 모의 관측 이미지를 생성한다.
• 모의 광도 이미지에서 비모수적 형태통계량—집중도(C), 비대칭성(A), 기니(G), M20—를 계산한다.
• 4 ≥ z ≥ 2 범위에서 질량 증가 역사 추적을 통해 주요 병합 사건(≥1:4 질량 비율)을 식별한다.
• 매개변수 공간에서 Gini–M20 병합 분리선으로부터의 거리를 수량화하는 '병합성' 매개변수를 정의한다.
• 시간적 상관관계 분석을 위해, 주어진 형태지표를 가진 은하가 ±200 Myr 이내에 병합을 겪을 확률을 측정한다.

실험 결과

연구 질문

• RQ1 비대칭성(A), 기니(G), M20는 고적색도 은하(z ≈ 2–4)에서 주요 병합 사건과 얼마나 잘 상관되는가?
• RQ2 기본적인 비대칭성 임계값(A ≥ 0.35)은 고적색도 병합을 신뢰성 있게 식별할 수 있는가, 아니면 더 높은 임계값이 필요한가?
• RQ3 관측 각도(면대면, 편면, 무작위)가 A와 Gini–M20의 병합 탐지 성능에 어떤 영향을 미치는가?
• RQ4 형태지표(예: A ≥ 0.8)가 임박한 또는 최근의 병합을 신뢰성 있게 신호하는 시간 창은 언제인가?
• RQ5 Gini–M20 공간에서 유도된 '병합성' 매개변수는 고적색도에서 다양한 관측 각도에서 병합을 효과적으로 식별할 수 있는가?

주요 결과

• 비대칭성(A)은 모든 형태지표 중에서 병합 비율과 가장 강한 상관관계를 보이며, C, G, M20는 유의미한 상관관계가 없다.
• A ≥ 0.8인 임계값은 샘플의 10개의 주요 병합 중 9개를 식별하며, 거짓 긍정률은 약 50%에 불과하여 기존의 A ≥ 0.35 기준보다 뛰어난 성능을 보인다.
• A ≥ 1.5로 설정하면 거짓 긍정률을 더 낮출 수 있지만, 약 50%의 병합을 놓치므로 완전성과 순도 사이의 상충 관계가 있음을 시사한다.
• 무작위 방향으로 배열된 은하의 경우, A ≥ 0.8인 은하는 ±200 Myr 이내에 병합을 겪을 가능성이 약 50%이며, A ≥ 1.5일 경우 이 확률은 약 70%로 증가한다.
• 무작위 또는 편면 방향에서 Gini–M20 병합 분류 방법은 병합의 약 30%만 정확히 식별하며, 면대면의 경우에도 약한 성능을 보인다.
• 비대칭성은 주로 병합 전 단계의 병합을 식별하며, 이는 병합 단계 동안의 지속적인 천체역학적 교란에 민감함을 시사한다.