抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近,主要な合併事象を受け,あるいは強い星形成を経験している銀河を区別することができるので,銀河の形成と進化の理解の進展を深めるために重要である。そのようなように,著者らは,Hubbleによる銀河の観察された深いイメージングに類似するIllustrisTNG100からの160,000の模擬画像のデータセットを用いて,ポストマーガから恒星形成銀河を分離するために,畳み込みニューラルネットワーク(CNN)に基づく機械学習フレームワークを開発した。著者らは,混雑した現場における近隣の供給源からの汚染の複雑性を取り扱うために,新しい方式を開発することによって,画像による機械学習の以前の方法を改良して,重複する供給源とバックグラウンドフラックスに基づく品質管理限界を定義した。このパイプラインは,IllustrisTNG 80%における星形成銀河からポストマーゲルを分離し,それは銀河の非対称性(A)を用いた分類と比較して少なくとも25%の改善を示した。測定したS’ericプロファイルと比較して,CANDELS場における星形成銀河は主にディスク支配系であり,一方,ポストマーガーは遷移円板のバルジ支配銀河への分布を示す。これらの新しい測定により,著者らは,z=0.5で20%からz=2で50%までの増加を見つける宇宙における非対称銀河間のポストマーガーの速度を追跡した。さらに,Star Formining Main Sequence(SFMS)上の散乱が主要なポストマーガーに起因するという強い証拠を見出せなかった。最後に,著者らの新しいアプローチを用いて,銀河合併率R=0.022±0.006×(1+z) ̄271±0.31の以前の測定を更新した。【JST・京大機械翻訳】