[論文レビュー] Measuring galaxy morphology at $z>1$. I - calibration of automated proxies

Marc Huertas-Company, Sugata Kaviraj+9 more|arXiv (Cornell University)|Jun 4, 2014

Galaxies: Formation, Evolution, Phenomena参考文献 1被引用数 6

ひとこと要約

この論文は、HST/WFC3の近赤外データを用いて、z>1の巨大銀河における自動モルフォロジー的パラメータ（濃度、非対称性、ジニ係数、M20など）を校正し、それらが約80%の完全性と20%未満の混入率で、バルジ優勢型とディスク優勢型のシステムを信頼性高く区別できることを示している。高赤方偏移銀河は、特にレストフレームUV領域において、局所の対応物よりも顕著に非対称でクラスタ型であることが判明し、機械学習分類（galSVM）が視覚的モルフォロジーと高い一貫性を示していることが検証された。

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.

研究の動機と目的

• レストフレーム光学およびUVデータを用いて、z>1の巨大銀河における自動モルフォロジー的パラメータ（例：CAS、ジニ係数、M20）を校正すること。
• 高赤方偏移において、これらのパラメータが視覚的モルフォロジー型（例：バルジ対ディスク、合体対不規則）をどれだけ信頼性を持って区別できるかを評価すること。
• モルフォロジー的パラメータを用いた機械学習（galSVM）による分類性能を評価し、視覚的分類と比較すること。
• 特に後期型銀河における非対称性とクラスタ性の進化を含め、モルフォロジー的パラメータの赤方偏移および波長依存性を定量化すること。
• z>1の銀河における分類精度を高めるために、局所（SDSS）データか高赤方偏移データでトレーニングを行うとどちらがより良いかを特定すること。

提案手法

• CANDELS GOODS-S領域のHST/WFC3画像を用い、レストフレーム光学（J、H）およびUV（Y）バンドでモルフォロジー的パラメータ（C、A、S、G、M20）を測定する。
• 局所（SDSS）および高赤方偏移のモルフォロジー・カタログでトレーニングされたサポート・ベクターマシン（SVM）分類器（galSVM）を適用し、ETG、LTG、または不規則/合体の確率を割り当てる。
• 局所銀河を人工的に赤方偏移させ、z>1の性質を模擬し、モルフォロジー的パラメータの赤方偏移による進化を定量する。
• CANDELSカタログからの視覚的モルフォロジーと比較して、自動分類の完全性と混入率を評価する。
• レストフレーム光学およびUV波長間のパラメータ相関を分析し、モルフォロジー的測定の一貫性を評価する。
• 分類性能を向上させるために、SEDフィッティングからの星の質量を追加の入力特徴量として含める影響をテストする。

実験結果

リサーチクエスチョン

• RQ1 z>1の状態では、標準的なモルフォロジー的パラメータ（C、A、G、M20、S）は低赤方偏移系と比べてどのように振る舞うか？
• RQ2 高赤方偏移銀河において、レストフレームUVおよび光学波長で得られたモルフォロジー的パラメータはどの程度相関するか？
• RQ3 自動機械学習分類（galSVMを用いて）は、z>1の状態で視覚的モルフォロジー型を高い完全性と低い混入率で信頼性高く再現できるか？
• RQ4 トレーニングセットの選択（局所対高赤方偏移）が、z>1銀河における自動分類の正確性にどのように影響するか？
• RQ5 特に非対称性とクラスタ性の観点から、後期型および初期型銀河のモルフォロジー的性質は赤方偏移とともにどのように進化するか？

主な発見

• z>1のバルジ優勢型銀河は、ディスク優勢型よりも系統的に濃度が高く、ジニ係数も高い傾向にあり、低赤方偏移時の傾向と整合的である。
• z>1では、銀河は平均して約50%非対称性が高く、ジニ係数は約10%高く、M20値はz=0と比べて約20%低い。特に初期型銀河で顕著である。
• レストフレームUV測定では、後期型銀河の非対称性とクラスタ性が、レストフレーム光学と比較して40–60%高くなる。これはUVが星形成クラスタをより強く反映していることを示唆している。
• galSVMを用いた自動分類では、初期型銀河で約80%の完全性と20%未満の混入率を達成しており、閾値に応じて後期型銀河では混入率が5%未満、完全性が約90%に達する。
• 不規則/合体クラスは約70%の純度で再現されるが、高赤方偏移において非相互作用的な後期型銀河がますます非対称になることが原因で混入が生じる。
• 局所（SDSS）データでトレーニングすると、特に不規則/合体タイプの分類精度が低下する。これはモルフォロジー的パラメータの進化に起因し、高赤方偏移のトレーニングセットの必要性を強調している。