[论文解读] Evolution of the galaxy merger fraction in the CLAUDS+HSC-SSP deep fields

Nathalie Thibert, Marcin Sawicki+4 more|arXiv (Cornell University)|Jun 8, 2021

Galaxies: Formation, Evolution, Phenomena参考文献 24被引用 8

一句话总结

本研究利用基于深空HSC-SSP和CLAUDS影像的形态学特征训练的随机森林分类器，检测红移至 $ z \sim 1 $ 的 $ M_* > 10^{10.5}M_\odot $ 星系中的星系并合现象。经过人工验证和红红移依赖的不完全性校正后，发现并合分数演化为 $ (1+z)^{2.3\pm0.4} $，表明自 $ z=1 $ 以来，每颗大质量星系约经历0.3次主要并合。

ABSTRACT

We estimate the evolution of the galaxy-galaxy merger fraction for $M_\\star>10^{10.5}M_\\odot$ galaxies over $0.25<z<1$ in the $\\sim$18.6 deg$^2$ deep CLAUDS+HSC-SSP surveys. We do this by training a Random Forest Classifier to identify merger candidates from a host of parametric morphological features, and then visually follow-up likely merger candidates to reach a high-purity, high-completeness merger sample. Correcting for redshift-dependent detection bias, we find that the merger fraction at $z=0$ is 1.0$\\pm$0.2%, that the merger fraction evolves as $(1+z)^{2.3 \\pm 0.4}$, and that a typical massive galaxy has undergone $\\sim$0.3 major mergers since $z=1$. This pilot study illustrates the power of very deep ground-based imaging surveys combined with machine learning to detect and study mergers through the presence of faint, low surface brightness merger features out to at least $z\\sim1$.

研究动机与目标

• 使用深空地面望远镜影像测量 $ 0.25 < z < 1 $ 范围内大质量星系（$ M_* > 10^{10.5}M_\odot $）的并合分数演化。
• 开发并验证一种基于形态学特征的机器学习方法，以识别并合候选体，克服大规模样本中人工目视检查的局限性。
• 对形态学并合识别中的红移依赖检测偏差进行校正，确保并合样本具有高纯度和高完整性。
• 通过估算自 $ z=1 $ 以来每颗星系经历的主要并合次数，量化大质量星系的宇宙并合历史。

提出的方法

• 使用14个形态学与测光特征（包括Sersic指数、集中度、不对称性、残差通量分数、基尼系数和测光红移）对60,957个星系训练随机森林分类器（RFC）。
• 利用经人工标注的918个星系（136个并合体，782个非并合体）训练集校准RFC，通过随机子采样和人工构建并合体实现类别平衡。
• 选择高概率候选体（$ P_{merge} > 0.7 $）进行人工复查，从7,550个候选体中确认1,576个可靠并合体。
• 通过模拟低红移并合体在高红移的版本，并在相同流程中测量其重检测率，实现红移依赖的不完全性校正。
• 将不完全性校正后的并合分数拟合为幂律模型：$ f_{\text{merge}}(z) = (0.010 \pm 0.002) \times (1+z)^{2.3 \pm 0.4} $。
• 对并合分数在宇宙时空中积分，估算自 $ z=1 $ 以来每颗大质量星系经历的主要并合次数。

实验结果

研究问题

• RQ1 从 $ z \sim 0.25 $ 到 $ z \sim 1 $，大质量星系（$ M_* > 10^{10.5}M_\odot $）的并合分数如何随红移演化？
• RQ2 基于形态学特征训练的随机森林分类器能否在深空地面影像中可靠识别并合候选体，且具备高纯度与高完整性？
• RQ3 红移对低表面亮度并合特征可探测性有何影响？如何在并合分数测量中对此进行校正？
• RQ4 基于观测到的并合分数演化，自 $ z=1 $ 以来，典型大质量星系经历了多少次主要并合？

主要发现

• 在 $ z=0 $ 时，$ M_* > 10^{10.5}M_\odot $ 星系的并合分数为 $ 1.0 \pm 0.2\% $。
• 并合分数演化为 $ (1+z)^{2.3 \pm 0.4} $，表明并合活动在早期宇宙时期显著增强。
• 经不完全性校正后，并合分数与先前研究一致，验证了该方法的可靠性。
• 红移依赖的不完全性校正至关重要，因为形态学特征在更高红移下更难检测。
• 自 $ z=1 $ 以来，典型大质量星系约经历了0.3次主要并合，基于并合分数在时间上的积分结果。
• 随机森林分类器识别出 $ RFF $、$ M_{20} $ 和 $ S_{\text{resid}} $ 为并合检测中最关键的特征。