PHANGS-ML: Dissecting Multiphase Gas and Dust in Nearby Galaxies Using Machine Learning
Notice bibliographique
Résumé
Abstract The PHANGS survey uses Atacama Large Millimeter/submillimeter Array, Hubble Space Telescope, Very Large Telescope, and JWST to obtain an unprecedented high-resolution view of nearby galaxies, covering millions of spatially independent regions. The high dimensionality of such a diverse multiwavelength data set makes it challenging to identify new trends, particularly when they connect observables from different wavelengths. Here, we use unsupervised machine-learning algorithms to mine this information-rich data set to identify novel patterns. We focus on three of the PHANGS-JWST galaxies, for which we extract properties pertaining to their stellar populations; warm ionized and cold molecular gas; and polycyclic aromatic hydrocarbons (PAHs), as measured over 150 pc scale regions. We show that we can divide the regions into groups with distinct multiphase gas and PAH properties. In the process, we identify previously unknown galaxy-wide correlations between PAH band and optical line ratios and use our identified groups to interpret them. The correlations we measure can be naturally explained in a scenario where the PAHs and the ionized gas are exposed to different parts of the same radiation field that varies spatially across the galaxies. This scenario has several implications for nearby galaxies: (i) The uniform PAH ionized fraction on 150 pc scales suggests significant self-regulation in the interstellar medium, (ii) the PAH 11.3/7.7 μm band ratio may be used to constrain the shape of the non-ionizing far-ultraviolet to optical part of the radiation field, and (iii) the varying radiation field affects line ratios that are commonly used as PAH size diagnostics. Neglecting this effect leads to incorrect or biased PAH sizes.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».