The VIMOS Public Extragalactic Redshift Survey (VIPERS)
Notice bibliographique
Résumé
Aims.Various galaxy classification schemes have been developed so far to constrain the main physical processes regulating evolution of different galaxy types. In the era of a deluge of astrophysical information and recent progress in machine learning, a new approach to galaxy classification has become imperative. Methods.In this paper, we employ a Fisher Expectation-Maximization (FEM) unsupervised algorithm working in a parameter space of 12 rest-frame magnitudes and spectroscopic redshift. The model (DBk) and the number of classes (12) were established based on the joint analysis of standard statistical criteria and confirmed by the analysis of the galaxy distribution with respect to a number of classes and their properties. This new approach allows us to classify galaxies based on only their redshifts and ultraviolet to near-infrared (UV–NIR) spectral energy distributions. Results.The FEM unsupervised algorithm has automatically distinguished 12 classes: 11 classes of VIPERS galaxies and an additional class of broad-line active galactic nuclei (AGNs). After a first broad division into blue, green, and red categories, we obtained a further sub-division into: three red, three green, and five blue galaxy classes. The FEM classes follow the galaxy sequence from the earliest to the latest types, which is reflected in their colours (which are constructed from rest-frame magnitudes used in the classification procedure) but also their morphological, physical, and spectroscopic properties (not included in the classification scheme). We demonstrate that the members of each class share similar physical and spectral properties. In particular, we are able to find three different classes of red passive galaxy populations. Thus, we demonstrate the potential of an unsupervised approach to galaxy classification and we retrieve the complexity of galaxy populations atz∼ 0.7, a task that usual, simpler, colour-based approaches cannot fulfil.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».