[논문 리뷰] 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. Małek외 38명|arXiv (Cornell University)|2018. 01. 01.

Galaxies: Formation, Evolution, Phenomena참고 문헌 100인용 수 1

한 줄 요약

이 논문은 VIPERS 설문조사의 12개의 휴면 프레임 magnitude와 분광학적 적색편이를 기반으로 은하를 분류하기 위해 비지도 기계학습 접근법을 도입한다. Fisher 기대최대화(FEM) 알고리즘을 사용하여 초기형 적색 수동 은하에서 늦은형 파란 항성 형성 은하에 이르는 연속적이고 복잡한 순서를 드러내며, 전통적인 색상 기반 방법으로는 포착되지 않는 물리적 및 스펙트럼적 특성의 복잡한 구조를 규명한다. 11개의 일반적인 유형과 브로드라인 AGN을 포함한 12개의 구분된 은하 유형을 식별한다.

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.

연구 동기 및 목표

• 기존의 이중색 분포와 단순한 절단 기반의 은하 분류 방법의 한계를 극복하기 위해.
• 데이터 기반의 비지도 방법을 사용하여 중간 적색편이(z ~ 0.7) 시점의 은하 집단의 본질적 복잡성을 탐색하기 위해.
• 사전 정의된 경계 없이 은하 유형 간의 연속적 전이와 하위 유형을 포괄하는 분류 프레임워크를 개발하기 위해.
• 분류에 사용되지 않은 형태학적, 스펙트럼적, 별 집단 성질을 활용하여 유형의 물리적 일관성을 검증하기 위해.
• Euclid 및 LSST와 같은 대규모 설문조사에서 은하 진화를 맵핑하는 데 있어 비지도 학습의 잠재력을 입증하기 위해.

제안 방법

• 12개의 휴면 프레임 magnitude와 분광학적 적색편이를 조합한 13차원 매개변수 공간에서 Fisher 기대최대화(FEM) 알고리즘을 적용한다.
• 통계 기준(예: BIC, AIC)과 유형 분포의 시각적 점검을 통해 최적의 모델 복잡도(DBk = 12개 유형)를 결정한다.
• 확률적 할당을 통해 유형에 대한 소프트 클러스터링과 불확실성 정량화를 가능하게 한다.
• 분류에 사용되지 않은 물리적 성질(예: 4000Å 붕괴, sSFR, Sérsic 지수, EW(OII)) 분석을 통해 유형의 일관성을 검증한다.
• FEM 유형을 Kennicutt(1992)의 아틀라스에 기반한 분광학적 유형과 비교하여 기존의 은하 진화 순서와의 일치 정도를 평가한다.
• 0.4 < z < 1.0 범위에서 적색편이 진화에 따른 유형 비율과 성질의 변화를 분석하여 집단 변화를 추적한다.

실험 결과

연구 질문

• RQ1 비지도 기계학습은 z ~ 0.7에서 기존의 색상 기반 분류보다 더 복잡하고 연속적인 은하 집단 구조를 드러낼 수 있는가?
• RQ2 식별된 유형 간에 물리적 및 스펙트럼적 성질(예: 항성 형성률, 별의 연령, 형태학적 특성)은 어떻게 변화하는가?
• RQ3 FEM 유형은 Kennicutt(1992)의 아틀라스에서 유래한 기존의 분광학적 유형과 어느 정도 일치하는가?
• RQ4 기존의 이중색 체계에서 간과되는, 빨간색 및 파란 은하 집단 내의 고유한 하위 유형이 존재하는가?
• RQ5 0.4 < z < 1.0 적색편이 범위에서 다양한 은하 유형 간 상대적 비율은 우주의 시간에 따라 어떻게 진화하는가?

주요 결과

• FEM 알고리즘이 높은 확률 할당(~80%)을 바탕으로 12개의 명확한 유형(11개의 은하 유형과 브로드라인 AGN 유형 포함)을 성공적으로 식별하였다.
• 유형들은 초기형 적색 수동 은하(유형 1–3)에서 늦은형 파란 항성 형성 은하(유형 7–11)에 이르는 연속적 순서를 형성하며, 중간 유형(유형 4–6)은 혼합된 성질을 보인다.
• 세 개의 별개의 적색 수동 은하 집단이 식별되었으며, 각각 고유한 형태학적 및 스펙트럼적 특성을 지니고 있어 단일 적색 순서의 가정을 도전한다.
• 중간 유형(4–6)은 파란 항성 형성 은하보다 더 높은 농도(Sérsic 지수), 낮은 가스 함량(낮은 EW(OII)), 낮은 sSFR을 보이며 전이 단계임을 시사한다.
• 유형 11은 BPT 다이어그램 상의 위치로 인해 저금속도 체계 또는 AGN과 강하게 연관되어 있음을 확인하였다.
• FEM 분류 결과는 Kennicutt(1992)의 분광학적 분류와 강한 상관관계를 보이며, 이는 유형들이 초기형에서 늦은형으로의 진화 순서를 잘 반영하고 있음을 확인한다.