[논문 리뷰] Measuring galaxy morphology at $z>1$. I - calibration of automated proxies

Marc Huertas-Company, Sugata Kaviraj외 9명|arXiv (Cornell University)|2014. 06. 04.

Galaxies: Formation, Evolution, Phenomena참고 문헌 1인용 수 6

한 줄 요약

이 논문은 HST/WFC3 근적외선 데이터를 사용하여 z>1에서 거대은하의 자동화된 형태학적 파라미터(예: 농도, 비대칭성, 기니, M20)를 보정하며, 이러한 추정치가 복합체-지배적 시스템과 디스크-지배적 시스템을 약 80%의 완전성과 20% 미만의 오염으로 신뢰성 있게 구분함을 보여준다. 고적색 은하가 국소 대비 상당히 더 비대칭적이고 덩어리가 많으며, 특히 휴면 프레임 UV에서 그러한 경향이 두드러진다. 또한 galSVM을 통한 기계학습 분류 방법이 시각적 형태학과 높은 일致성을 보이며 검증된다.

ABSTRACT

[abridged] New near-infrared surveys, using the HST, offer an unprecedented opportunity to study rest-frame optical galaxy morphologies at z>1 and to calibrate automated morphological parameters that will play a key role in classifying future massive datasets like EUCLID or LSST. We study automated parameters (e.g. CAS, Gini, M20) of massive galaxies at 11: bulge-dominated systems have systematically higher concentration and Gini coefficients and are less asymmetric and rounder than disk-dominated galaxies. However, at z>1, galaxies are, on average, 50% more asymmetric and have Gini and M20 values that are 10% higher and 20% lower respectively. In bulge-dominated galaxies, morphological parameters derived from the rest-frame UV and optical wavelengths are well correlated; however late-type galaxies exhibit higher asymmetry and clumpiness when measured in the rest-frame UV. We find that broad morphological classes (e.g. bulge vs. disk dominated) can be distinguished using parameters with high (80%) purity and completeness of 80%. In a similar vein, irregular disks and mergers can also be distinguished from bulges and regular disks with a contamination lower than 20%. However, mergers cannot be differentiated from the irregular morphological class using these parameters, due to increasingly asymmetry of non-interacting late-type galaxies at z>1. Our automated procedure is applied to the CANDELS GOODS-S field and compared with the visual classification recently released on the same area getting similar results.

연구 동기 및 목표

• 휴면 프레임 옵티컬 및 UV 데이터를 사용하여 z>1에서 거대 은하의 자동화된 형태학적 파라미터(예: CAS, 기니, M20)를 보정하기 위해.
• 고적색에서 시각적 형태학적 유형(예: 복합체 대비 디스크, 융합 대비 비정상형)을 구분하는 데 이 파라미터들의 신뢰성 평가하기 위해.
• 형태학적 파라미터를 사용하여 기계학습(galSVM)이 은하 형태학을 분류하는 성능 평가 및 시각적 분류와의 비교를 위해.
• 특히 늦은 유형 은하에서 비대칭성과 덩어리 형성의 진화를 고려하여, 형태학적 파라미터의 적색편이 및 파장 의존성 정량화하기 위해.
• z>1 은하의 분류 정확도를 높이기 위해 현지(SDSS) 또는 고적색 데이터로 훈련하는 것이 더 효과적인지 판단하기 위해.

제안 방법

• CANDELS GOODS-S 영역의 HST/WFC3 이미징을 사용하여 휴면 프레임 옵티컬(J, H) 및 UV(Y) 대역에서 형태학적 파라미터(C, A, S, G, M20)를 측정한다.
• 지역(SDSS) 및 고적색 형태학적 카탈로그에서 훈련된 지원벡터기반 분류기(SVM, galSVM)를 적용하여, 은하가 은하형(ETG), 늦은형(LTG), 또는 비정상형/융합(irregular/merger)일 가능성을 할당한다.
• 지역 은하를 인공적으로 적색편이시켜 z>1 특성을 시뮬레이션하고, 형태학적 파라미터의 적색편이 진화를 정량화한다.
• 자동 분류 결과를 CANDELS 카탈로그의 시각적 형태학과 비교하여 완전성과 오염도를 평가한다.
• 휴면 프레임 옵티컬 및 UV 파장에서 파라미터 간 상관관계 분석을 통해 형태학적 측정의 일관성 평가한다.
• SED 피팅을 통한 항성 질량을 추가 입력 특성으로 포함시켜 분류 성능 향상 효과를 시험한다.

실험 결과

연구 질문

• RQ1 z>1에서 표준 형태학적 파라미터(C, A, G, M20, S)는 저적색 시스템과 비교해 어떻게 행동하는가?
• RQ2 고적색 은하에서 휴면 프레임 UV 및 옵티컬 파장에서 유도된 형태학적 파라미터는 어느 정도 상관관계가 있는가?
• RQ3 자동화된 기계학습 분류(galSVM 사용)는 높은 완전성과 낮은 오염도로 z>1에서 시각적 형태학적 유형을 신뢰성 있게 복원할 수 있는가?
• RQ4 훈련 세트 선택(지역 대비 고적색)이 z>1에서 자동 분류 정확도에 어떤 영향을 미치는가?
• RQ5 특히 비대칭성과 덩어리 형성 측면에서 늦은 유형 및 이른 유형 은하의 형태학적 특성은 적색편이에 따라 어떻게 진화하는가?

주요 결과

• z>1에서 복합체 지배 은하는 디스크 지배 시스템보다 체계적으로 더 높은 농도와 더 높은 기니 계수를 보이며, 저적색 추세와 일치한다.
• z>1에서 은하는 평균적으로 약 50% 더 비대칭적이며, 기니 값은 약 10% 높고 M20 값은 약 20% 낮다. 특히 이른 유형 은하에서 그러한 경향이 두드러진다.
• 휴면 프레임 UV 측정은 늦은 유형 은하의 비대칭성과 덩어리 형성을 옵티컬 대비 약 40–60% 증가시켜, UV가 별 형성 덩어리를 더 강하게 반영함을 시사한다.
• galSVM을 사용한 자동 분류에서는 은하형에 대해 약 80%의 완전성과 <20%의 오염도를 달성하며, 임계값에 따라 늦은 유형 은하에 대해 오염도 <5% 및 약 90%의 완전성 확보.
• 비정상형/융합 유형은 약 70%의 순도로 복원되나, 고적색에서 점점 더 비대칭적이지만 상호작용가능성이 없는 늦은 유형 은하로 인한 오염이 발생한다.
• 지역(SDSS) 데이터로 훈련하는 것은 형태학적 파라미터의 진화로 인해 분류 정확도가 저하되며, 특히 비정상형/융합 유형에서 두드러진다. 이는 고적색 훈련 세트의 필요성을 강조한다.