Towards robust determination of non-parametric morphologies in marginal astronomical data: resolving uncertainties with cosmological hydrodynamical simulations
Notice bibliographique
Résumé
ABSTRACT Quantitative morphologies, such as asymmetry and concentration, have long been used as an effective way to assess the distribution of galaxy starlight in large samples. Application of such quantitative indicators to other data products could provide a tool capable of capturing the two-dimensional distribution of a range of galactic properties, such as stellar mass or star-formation rate maps. In this work, we utilize galaxies from the Illustris and IllustrisTNG simulations to assess the applicability of concentration and asymmetry indicators to the stellar mass distribution in galaxies. Specifically, we test whether the intrinsic values of concentration and asymmetry (measured directly from the simulation stellar mass particle maps) are recovered after the application of measurement uncertainty and a point spread function (PSF). We find that random noise has a non-negligible systematic effect on asymmetry that scales inversely with signal-to-noise ratio (S/N), particularly at an S/N less than 100. We evaluate different methods to correct for the noise contribution to asymmetry at very low S/N, where previous studies have been unable to explore due to systematics. We present algebraic corrections for noise and resolution to recover the intrinsic morphology parameters. Using Illustris as a comparison data set, we evaluate the robustness of these fits in the presence of a different physics model, and confirm these correction methods can be applied to other data sets. Lastly, we provide estimations for the uncertainty on different correction methods at varying S/N and resolution regimes.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».