[논문 리뷰] Improving the open cluster census. I. Comparison of clustering algorithms applied to Gaia DR2 data

Emily L. Hunt, S. Reffert|arXiv (Cornell University)|2020. 12. 08.

Stellar, planetary, and galactic studies참고 문헌 48인용 수 4

한 줄 요약

이 연구는 Gaia DR2 데이터에서 산개성단을 탐지하기 위해 DBSCAN, HDBSCAN, 그리고 가우시안 혼합 모델(GMMs)을 비교 분석하며, HDBSCAN이 더 높은 민감도(최대 82%)와 다양한 거리 및 밀도에서의 성단 회복 능력 덕분에 가장 효과적임을 밝혀냈다. 다만, 임의의 양성 결과를 줄이기 위해 후처리가 필요하다. 연구에서는 41개의 새로운 산개성단 후보를 특정했으며, 그 중 3개는 500 pc 이내에 위치해 있어 은하계의 산개성단 목록이 아직 완전하지 않다는 것을 시사한다.

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.

연구 동기 및 목표

• DBSCAN, HDBSCAN, GMMs 등의 군집 알고리즘의 성능을 평가하고 Gaia DR2 데이터에서 산개성단을 탐지하는 데 비교한다.
• 다양한 성단 특성에 걸쳐 민감도, 특이도, 정밀도 및 진짜 양성률을 정량화한다.
• 기존 성단 탐지 방법의 한계를 규명하고 은하계의 산개성단 목록의 완전성을 향상시킨다.
• 최적화된 군집 기법을 사용해 특히 근접하고 저표면 밀도 성단을 탐지한다.
• 후처리를 통한 HDBSCAN 활용을 바탕으로 향후 대규모 블라인드 탐색의 기초를 마련한다.

제안 방법

• 특화된 전처리 파ip라인을 개발한 후, Gaia DR2의 운동학적 데이터(위치, 자기운동, 파라락스)에 DBSCAN, HDBSCAN, GMMs를 적용한다.
• 민감도와 정밀도의 균형을 위해 ACG 방법을 활용한 하이브리드 접근 방식을 통해 DBSCAN의 에프실론을 결정한다.
• HDBSCAN의 계층적 군집 구조를 조정하여 Gaia 데이터의 다양한 밀도와 척도를 더 잘 다룰 수 있도록 개선한다.
• 기존 성단에서 구성원 할당을 위해 GMMs를 최적화했지만, 계산 비용으로 인해 확장성에 한계가 있었다.
• 1,385개의 알려진 산개성단 샘플을 사용해 알고리즘 성능을 평가하였으며, 대표적인 100개 성단에 대해 심층 분석을 수행했다.
• HDBSCAN 출력 결과에 후처리를 적용해 임의의 양성 결과를 걸러내고 새로운 성단 후보를 검증했다.

실험 결과

연구 질문

• RQ1 DBSCAN, HDBSCAN, GMMs는 Gaia DR2 데이터에서 산개성단을 탐지할 때 민감도, 특이도, 정밀도 측면에서 어떻게 비교되는가?
• RQ2 각 알고리즘이 다양한 거리, 크기, 밀도를 가진 성단을 회복하는 데 있어 어떤 한계를 지니는가?
• RQ3 HDBSCAN은 DBSCAN과 GMMs가 놓친 성단, 특히 고흡광도 또는 먼 거리에 있는 지역의 성단을 탐지할 수 있는가?
• RQ4 후처리를 통한 HDBSCAN를 사용해 얼마나 신뢰할 수 있는 새로운 산개성단 후보를 식별할 수 있는가?
• RQ5 기존의 MWSC 목록에 보고된 산개성단 중 실제로는 연성단이거나 Gaia 데이터에서 탐지되지 않는 경우가 얼마나 되는가?

주요 결과

• HDBSCAN는 최고의 민감도를 보이며, 진짜 양성 성단의 최대 82%를 탐지했으며, 다양한 거리와 척도에서 뛰어난 성능을 보였다.
• DBSCAN는 알려진 성단의 50–62%를 탐지했고, 높은 특이도와 정밀도를 보였지만, 단일 전역 에프실론 파rameter로 인해 밀도가 변하는 구조에서는 어려움을 겪었다.
• GMMs는 가장 느리고 민감도도 낮아 전체 성단의 33%만 탐지했으며, 주로 크기가 큰 성단에 국한되었고, 대규모 블라인드 탐색에 부적합했다.
• 연구에서는 41개의 새로운 산개성단 후보를 식별했으며, 그 중 3개는 500 pc 이내에 위치해 있었고, 그 중 하나는 단 290 pc에 위치해 있어 국소 성단 목록의 심각한 불완전성을 시사했다.
• MWSC 목록에서 보고된 몇몇 문헌 성단은 실제로는 연성단이거나 Gaia 데이터에서 탐지되지 않는 것으로 밝혀져, 기존 목록의 재평가가 필요하다는 점을 시사했다.
• 후처리를 거친 HDBSCAN 결과는 향후 대규모 블라인드 탐색에서 큰 잠재력을 보이며, 흐린 성단과 먼 거리에 있는 성단의 탐지 능력이 향상됨을 보여주었다.