Automated morphological classification of Sloan Digital Sky Survey red sequence galaxies
Notice bibliographique
Résumé
In the last decade, the advent of enormous galaxy surveys has motivated the development of automated morphological classification schemes to deal with large data volumes. Existing automated schemes can successfully distinguish between early- and late-type galaxies and identify merger candidates, but are inadequate for studying detailed morphologies of red sequence galaxies. To fill this need, we present a new automated classification scheme that focuses on making finer distinctions between early types roughly corresponding to Hubble types E, S0 and Sa. We visually classify a sample of 984 non-star-forming Sloan Digital Sky Survey galaxies with apparent sizes >14 arcsec. We then develop an automated method to closely reproduce the visual classifications, which both provides a check on the visual results and makes it possible to extend morphological analysis to much larger samples. We visually classify the galaxies into three bulge classes (BC) by the shape of the light profile in the outer regions: discs have sharp edges and bulges do not, while some galaxies are intermediate. We separately identify galaxies with features: spiral arms, bars, clumps, rings and dust. We find general agreement between BC and the bulge fraction B/T measured by the galaxy modelling package gim2d, but many visual discs have B/T > 0.5. Three additional automated parameters – smoothness, axial ratio and concentration – can identify many of these high-B/T discs to yield automated classifications that agree ∼70 per cent with the visual classifications (>90 per cent within one BC). Tests versus disc inclination indicate that both methods identify most face-on discs, but visually, features are lost in edge-on discs. 80 per cent of face-on visual discs have features while few visual bulges do, strongly validating the visual classifications. Given the good agreement between the visual and automated methods, we believe that the automated method can be applied to a much larger sample with confidence. Both methods are used to study the bulge versus disc frequency as a function of four measures of galaxy ‘size’: luminosity, stellar mass, velocity dispersion (σ) and radius (R). All size indicators show a fall in disc fraction and a rise in bulge fraction among larger galaxies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».