The combined and respective roles of imaging and stellar kinematics in identifying galaxy merger remnants
Notice bibliographique
Résumé
ABSTRACT One of the central challenges to establishing the role of mergers in galaxy evolution is the selection of pure and complete merger samples in observations. In particular, while large and reasonably pure interacting galaxy pair samples can be obtained with relative ease via spectroscopic criteria, automated selection of post-coalescence merger remnants is restricted to the physical characteristics of remnants alone. Furthermore, such selection has predominantly focused on imaging data – whereas kinematic data may offer a complimentary basis for identifying merger remnants. Therefore, we examine the theoretical utility of both the morphological and kinematic features of merger remnants in distinguishing galaxy merger remnants from other galaxies. Deep classification models are calibrated and evaluated using idealized synthetic images and line-of-sight stellar velocity maps of a heterogeneous population of galaxies and merger remnants from the TNG100 cosmological hydrodynamical simulation. We show that even idealized stellar kinematic data have limited utility compared to imaging and underperforms by $2.1 \pm 0.5 {{\ \rm per\ cent}}$ in completeness and $4.7 \pm 0.4 {{\ \rm per\ cent}}$ in purity for our fiducial model architecture. Combining imaging and stellar kinematics offers a small boost in completeness (by $1.8 \pm 0.4 {{\ \rm per\ cent}}$, compared to $92.7 \pm 0.2 {{\ \rm per\ cent}}$ from imaging alone) but no change in purity ($0.1\pm 0.3 {{\ \rm per\ cent}}$ improvement compared to $92.7 \pm 0.2 {{\ \rm per\ cent}}$, evaluated with equal numbers of merger remnant and non-remnant control galaxies). Classification accuracy of all models is particularly sensitive to physical companions at separations ≲ 40 kpc and to time-since-coalescence. Taken together, our results show that the stellar kinematic data have little to offer in compliment to imaging for merger remnant identification in a heterogeneous galaxy population.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».