模擬銀河団におけるICLとBCGを同定するための機械学習【JST・京大機械翻訳】

Marini I.; Borgani S.; Saro A.; Murante G.; Granato G. L.; Ragone-Figueroa C.; Taffoni G.

プレプリント

J-GLOBAL ID：202202213908007539 整理番号：22P0300010

模擬銀河団におけるICLとBCGを同定するための機械学習【JST・京大機械翻訳】

Machine Learning to identify ICL and BCG in simulated galaxy clusters

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年06月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

今日,機械学習技術は,伝統的方法を通して集中的な計算資源を必要とする分類問題のための高速で効率的な解決策を提供する。メンバー銀河を差し引いた後,シミュレートした銀河クラスタにおける恒星を分類するために,教師つきランダムフォレストの使用を調べた。これらの動的に異なる成分は,Brightestクラスタ銀河(BCG)とIntraCluster Light(ICL)における星の個々の特性として解釈される。DIANOGAセットからの29の模擬クラスタ(BCGとICLの異なる動的特性から構築される)を用いて,分類器の訓練とテストを行った。入力特徴はクラスタ質量,正規化粒子クラスタ中心距離,および静止フレーム速度である。モデルは,ほとんどの恒星を正確に同定することが見出され,一方,より大きな誤差がBCGアウトスカートで示され,そこでは,2つの構成要素の物理的特性間の差異は,より明白でない。数値分解能,赤方偏移依存性(z=1まで)に対する分類器のロバスト性を検討し,天体物理モデルを含めた。この分類器がz0.1200に対するシミュレーションにおいて一貫した結果を与えると主張し,分類プロセスの不確実性によって著しく影響される。結論として,本研究は,シミュレーションにおいて計算的に高価な分類をスピードアップするためにマシン学習を用いることの重要性を示唆した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

星雲

, , , ,

前のページに戻る