<i>In situ</i> or accreted? Using deep learning to infer the origin of extragalactic globular clusters from observables
Notice bibliographique
Résumé
ABSTRACT Globular clusters (GCs) are powerful tracers of the galaxy assembly process, and have already been used to obtain a detailed picture of the progenitors of the Milky Way (MW). Using the E-MOSAICS cosmological simulation of a (34.4 Mpc)3 volume that follows the formation and co-evolution of galaxies and their star cluster populations, we develop a method to link the origin of GCs to their observable properties. We capture this complex link using a supervised deep learning algorithm trained on the simulations, and predict the origin of individual GCs (whether they formed in the main progenitor or were accreted from satellites) based solely on extragalactic observables. An artificial neural network classifier trained on ∼50 000 GCs hosted by ∼700 simulated galaxies successfully predicts the origin of GCs in the test set with a mean accuracy of 89 per cent for the objects with $\rm [Fe/H]\lt -0.5$ that have unambiguous classifications. The network relies mostly on the alpha-element abundances, metallicities, projected positions, and projected angular momenta of the clusters to predict their origin. A real-world test using the known progenitor associations of the MW GCs achieves up to 90 per cent accuracy, and successfully identifies as accreted most of the GCs in the inner Galaxy associated to the Kraken progenitor, as well as all the Gaia-Enceladus GCs. We demonstrate that the model is robust to observational uncertainties, and develop a method to predict the classification accuracy across observed galaxies. The classifier can be optimized for available observables (e.g. to improve the accuracy by including GC ages), making it a valuable tool to reconstruct the assembly histories of galaxies in upcoming wide-field surveys.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».