Resumen - Detectando Anillos Galácticos en las Encuestas de Imágenes del DESI Legacy con Aprendizaje Profundo Semi-Supervisado

Detectando Anillos Galácticos en las Encuestas de Imágenes del DESI Legacy con Aprendizaje Profundo Semi-Supervisado

2025-07-10 08:51:32

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

{astro-ph.GA}

Este estudio utiliza un modelo de aprendizaje profundo semi-supervisado, GC-SWGAN, para identificar anillos de galaxias de las Encuestas de Imágenes del Legado DESI. El modelo se entrena con un conjunto de datos que contiene más de 5,000 galaxias aneladas confirmadas, junto con un conjunto más grande de galaxias no aneladas y datos sin etiquetar. Los resultados demuestran una excelente desempeño en la identificación de galaxias aneladas, con una precisión de clasificación del 97% y tasas de precisión y recuperación del 94% y 93%, respectivamente. Utilizando el modelo entrenado, el estudio predice 750,000 imágenes de galaxias de las Encuestas de Imágenes del Legado DESI, compilando el mayor catálogo de galaxias aneladas hasta la fecha, que contiene 62,962 galaxias con estructuras de anillo. Este catálogo proporciona datos esenciales para futuras investigaciones sobre los mecanismos de formación y la historia evolutiva de los anillos de galaxias. El estudio también analiza las propiedades físicas de las galaxias aneladas identificadas, centrándose en las diferencias en la distribución de color y la tasa específica de formación estelar (SSFR) entre galaxias aneladas y no aneladas. El análisis revela que las galaxias aneladas son más propensas a residir en la "Valle Verde" en comparación con las galaxias no aneladas, lo que indica que las estructuras de anillo pueden alterar significativamente las propiedades de sus galaxias anfitrionas y pueden estar asociadas con cambios complejos en los procesos de formación estelar dentro de las galaxias.