作者:埃里卡·克
宾夕法尼亚大学布罗克梅尔 暗能量调查收集的NGC 1365的图像
NGC 1365也被称为大棒螺旋星系，是螺旋星系的一个例子，位于大约5600万光年之外
信用:DECam，DES合作 宾夕法尼亚大学物理和天文学系的研究已经产生了迄今为止最大的星系形态分类目录
由前博士后杰西·维加·费雷罗和海伦娜·多明格斯·桑切斯带领，他们与玛丽安杰拉·贝尔纳迪教授一起工作，这份包含2700万个星系形态的目录提供了对宇宙演化的重要见解
这项研究发表在《皇家天文学会月报》上
研究人员使用了暗能量调查(DES)的数据，这是一个国际研究项目，其目标是对八分之一的天空进行成像，以更好地理解暗能量在宇宙加速膨胀中的作用
这次调查的一个副产品是DES数据包含了比迄今为止其他调查更多的遥远星系的图像
伯纳尔迪说:“DES图像向我们展示了60多亿年前星系的样子。”
因为DES有数百万幅高质量的天体图像，它是研究星系形态的完美数据集
“星系形态学是星系演化的关键方面之一
多明格斯·桑切斯说:“星系的形状和结构有很多关于它们形成方式的信息，了解它们的形态可以为我们提供星系形成的可能路径的线索。”
此前，研究人员公布了斯隆数字天空调查(SDSS)中超过60万个星系的形态目录
为此，他们开发了一种卷积神经网络，这是一种机器学习算法，能够自动分类一个星系是否属于两个主要类别之一:螺旋星系，它有一个旋转的圆盘，在那里诞生新的恒星，以及椭圆星系，它们更大，由比它们的螺旋对应物移动更随机的旧恒星组成
但是维加-费雷罗说，使用SDSS数据集开发的目录主要是由明亮的邻近星系组成的
在他们的最新研究中，研究人员希望改进他们的神经网络模型，以便能够对更暗、更远的星系进行分类
维加-费列罗说:“我们想突破形态分类的限制，尝试超越，去更模糊的物体或更远的物体。”
不同图像质量和红移水平的模拟螺旋(顶部)和椭圆星系的图像，说明了在DES数据集中，越来越暗和越来越远的星系可能看起来是什么样子
信用:耶稣维加-费列罗和海伦娜多明戈斯-桑切斯 为了做到这一点，研究人员首先必须训练他们的神经网络模型，以便能够从DES数据集中分类更多的像素化图像
他们首先用以前已知的形态学分类创建了一个训练模型，该模型由20，000个重叠在DES和SDSS之间的星系组成
然后，他们创建了新星系的模拟版本，用工作人员科学家迈克·贾维斯开发的代码模拟如果它们在更远的地方，图像会是什么样子
一旦该模型在模拟星系和真实星系上得到训练和验证，它就被应用到DES数据集上，由此产生的2700万个星系的目录包括关于单个星系是椭圆形还是螺旋形的概率的信息
研究人员还发现，他们的神经网络对星系形态的分类准确率为97%，即使是对于太暗而无法用肉眼分类的星系也是如此
维加-费列罗说:“我们把极限提高了三个数量级，达到了比原来弱1000倍的物体。”
“这就是为什么我们能够在目录中包含更多的星系
" “像这样的星表对研究星系形成很重要，”贝尔纳迪在谈到这份最新出版物的意义时说
“这个目录也将有助于观察形态和恒星数量是否讲述了星系如何形成的类似故事
" 对于后一点，多明格斯·桑切斯目前正在将他们的形态学估计与相同星系的化学成分、年龄、恒星形成率、质量和距离的测量结合起来
纳入这些信息将使研究人员能够更好地研究星系形态和恒星形成之间的关系，这项工作对于更深入地理解星系演化至关重要
贝尔纳迪说，这个新目录和创建它的方法都有助于解决许多关于星系演化的未决问题
例如，即将进行的LSST/鲁宾调查将使用与DES相似的测光方法，但将有能力对更远的物体成像，从而有机会对宇宙的演化有更深入的了解
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
