[论文解读] Asymmetry between galaxies with clockwise and counterclockwise handedness

Lior Shamir|arXiv (Cornell University)|Jan 18, 2016

Animal Vocal Communication and Behavior被引用 2

一句话总结

本研究利用SDSS DR7数据，通过训练模式识别模型，证明旋涡星系在顺时针与逆时针螺旋方向之间表现出可观测的光度不对称性，模型预测螺旋方向的准确率约为64%，显著高于随机水平（p < 10^{-5}）。该发现表明，光度数据本身天然编码了螺旋方向信息，挑战了对相反螺旋形态对称性的假设，并暗示公民科学形态分类中可能存在偏差。

ABSTRACT

While it is clear that spiral galaxies can have different handedness, galaxies with clockwise patterns are assumed to be symmetric in all of their other characteristics to galaxies with counterclockwise patterns. Here we use data from SDSS DR7 to show that photometric data can distinguish between clockwise and counterclockwise galaxies. Pattern recognition algorithms trained and tested using the photometric data of a clean manually crafted dataset of 13,440 spiral galaxies with z<0.25 can predict the handedness of a spiral galaxy in ~64% of the cases, significantly higher than mere chance accuracy of 50% (P<10^{-5}). Experiments with a different dataset of 10,281 automatically classified galaxies showed similar results of $~65% classification accuracy, suggesting that the observed asymmetry is consistent also in datasets annotated in a fully automatic process, and without human intervention. That shows that the photometric data collected by SDSS is sensitive to the handedness of the galaxy. Also, analysis of the number of galaxies classified as clockwise and counterclockwise by crowdsourcing shows that manual classification between spiral and elliptical galaxies can be affected by the handedness of the galaxy, and therefore galaxy morphology analyzed by citizen science campaigns might be biased by the galaxy handedness. Code and data used in the experiment are publicly available, and the experiment can be easily replicated.

研究动机与目标

• 检验具有相反螺旋方向（顺时针与逆时针）的旋涡星系是否表现出可测量的光度差异。
• 探究仅使用光度数据的机器学习模型是否能够区分螺旋方向。
• 评估在公民科学活动中，手动分类是否可能因星系螺旋方向而产生偏差。
• 验证所观察到的不对称性在人工筛选和自动分类数据集中的稳健性。

提出的方法

• 创建了一个包含13,440个旋涡星系的干净、人工筛选的数据集，红移z < 0.25，用于训练和测试模式识别模型。
• 使用光度特征对监督式机器学习模型进行训练，基于图像形态对星系螺旋方向进行分类。
• 通过测试集评估模型性能，准确率约为64%，显著高于50%的随机水平（p < 10^{-5}）。
• 使用第二个更大规模的数据集（10,281个自动分类的星系）验证该不对称性在不同分类方法间的一致性。
• 分析众包分类数据，评估螺旋方向对形态分类结果可能造成的偏差。
• 所有代码和数据均已公开发布，以支持复现与进一步研究。

实验结果

研究问题

• RQ1 光度数据能否区分顺时针与逆时针旋涡星系？
• RQ2 所观察到的星系螺旋方向不对称性在人工筛选和自动分类数据集中是否均具有稳健性？
• RQ3 星系螺旋方向是否会影响公民科学形态分类活动中的手动分类结果？
• RQ4 机器学习在预测螺旋方向方面的准确率超出随机性能的程度如何？
• RQ5 光度特征是否对旋涡星系的旋转方向敏感？

主要发现

• 模式识别模型在预测旋涡星系螺旋方向的分类准确率约为64%，显著高于50%的随机水平（p < 10^{-5}）。
• 在10,281个自动分类星系的数据集中，同样观察到约65%的准确率，证实了该不对称性在不同分类方法间的一致性。
• SDSS巡天的光度数据中包含关于星系螺旋方向的可测量信息，表明顺时针与逆时针旋涡星系之间存在内在不对称性。
• 公民科学项目中对星系形态的手动分类可能受星系螺旋方向的影响，从而影响形态分类的可靠性。
• 所观察到的不对称性表明，相反螺旋方向的星系在光度特性上并非对称，这挑战了星系形态学研究中长期存在的假设。
• 所有实验数据和代码均已公开，支持完全可复现性，并促进对这种光度不对称性的进一步研究。