Zusammenfassung - Detecting Galactic Rings in the DESI Legacy Imaging Surveys with Semi-Supervised Deep Learning Erkennung von galaktischen Ringen in den DESI Legacy Imaging Surveys mit semiautonomen tiefem Lernen

Detecting Galactic Rings in the DESI Legacy Imaging Surveys with Semi-Supervised Deep Learning Erkennung von galaktischen Ringen in den DESI Legacy Imaging Surveys mit semiautonomen tiefem Lernen

2025-07-10 08:51:32

{"Jianzhen Chen","Zhijian Luo","Cheng Cheng","Jun Hou","Shaohua Zhang","Chenggang Shu"}

{astro-ph.GA}

Diese Studie verwendet ein semi-geführtes tiefes Lernmodell, GC-SWGAN, um Galaxienringe aus den DESI Legacy Imaging Surveys zu identifizieren. Das Modell wird auf einem Datensatz von über 5.000 bestätigten ringeren Galaxien trainiert, ergänzt durch eine größere Sammlung nicht-ringerer Galaxien und unmarkierter Daten. Die Ergebnisse zeigen außergewöhnliche Leistung bei der Identifizierung ringerer Galaxien, mit einer Klassifikationsgenauigkeit von 97% sowie Präzisions- und Sensitivitätsraten von 94% und 93%. Mit dem trainierten Modell prognostiziert die Studie 750.000 Galaxienbilder aus den DESI Legacy Imaging Surveys und erstellt den bislang größten Katalog ringerer Galaxien, der 62.962 Galaxien mit ringeren Strukturen enthält. Dieser Katalog liefert wesentliche Daten für nachfolgende Forschungen über die Entstehungsmechanismen und die Evolutionsgeschichte von Galaxienringen. Die Studie analysiert ebenfalls die physikalischen Eigenschaften der identifizierten ringeren Galaxien, wobei sie sich auf die Unterschiede in der Farbabstimmung und der spezifischen Sternentstehungsrate (SSFR) zwischen ringeren und nicht-ringeren Galaxien konzentriert. Die Analyse zeigt, dass ringeren Galaxien eher im "Grünen Tal" zu finden sind im Vergleich zu nicht-ringeren Galaxien, was darauf hindeutet, dass ringer Strukturen die Eigenschaften ihrer Wirtsgalaxien erheblich verändern können und möglicherweise mit komplexen Veränderungen in den Sternentstehungsprozessen innerhalb der Galaxien in Verbindung stehen.