Résumé - Détection des anneaux galactiques dans les études d'imagerie de succession du DESI avec un apprentissage profond semi-supervisé

Détection des anneaux galactiques dans les études d'imagerie de succession du DESI avec un apprentissage profond semi-supervisé

2025-07-10 08:51:32

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

{astro-ph.GA}

Cette étude utilise un modèle de deep learning semi-supervisé, GC-SWGAN, pour identifier les anneaux galactiques à partir des surveys d'imagerie de légende DEEP EXPLORER (DESI). Le modèle est entraîné sur un ensemble de données composé de plus de 5 000 galaxies à anneaux confirmés, ainsi qu'un ensemble plus large de galaxies sans anneaux et de données non étiquetées. Les résultats montrent une performance exceptionnelle dans l'identification des galaxies à anneaux, avec une précision de classification de 97 % et des taux de précision et de rappel de 94 % et 93 % respectivement. Grâce au modèle entraîné, l'étude prédit 750 000 images de galaxies à partir des surveys d'imagerie de légende DEEP EXPLORER, compilant ainsi le plus grand catalogue de galaxies à anneaux à ce jour, contenant 62 962 galaxies avec des structures d'anneaux. Ce catalogue fournit des données essentielles pour des recherches ultérieures sur les mécanismes de formation et l'histoire évolutive des anneaux galactiques. L'étude analyse également les propriétés physiques des galaxies à anneaux identifiées, se concentrant sur les différences dans les distributions de couleur et de taux spécifique de formation d'étoiles (SSFR) entre les galaxies à anneaux et celles sans anneaux. L'analyse révèle que les galaxies à anneaux sont plus susceptibles de se trouver dans la "Vallée Verte" par rapport aux galaxies sans anneaux, ce qui indique que les structures d'anneaux peuvent altérer considérablement les propriétés de leurs galaxies hôte et pourraient être associées à des changements complexes dans les processus de formation d'étoiles à l'intérieur des galaxies.