Uma estrutura de conjunto difuso multiparâmetro para classificação de galáxias vermelhas, azuis e verdes do vale

Apresentamos uma estrutura de conjunto difuso baseada em dados para classificar galáxias nas populações de sequência vermelha, nuvem azul e vale verde usando vários observáveis ​​do Sloan Digital Sky Survey. Apresentamos uma estrutura de conjunto difuso baseada em dados para classificar galáxias nas populações de sequência vermelha, nuvem azul e vale verde usando vários observáveis ​​do Sloan Digital Sky Survey (SDSS DR18).

Ao contrário dos métodos tradicionais baseados em limites rígidos de cor ou massa estelar, nossa abordagem atribui graus de adesão contínuos usando funções sigmoidais derivadas de propriedades bimodais da galáxia, incluindo $(u-r)$ cor, taxa específica de formação de estrelas. As funções de associação são construídas por meio de modelagem de mistura gaussiana e combinadas usando um operador mínimo difuso conservador.

Aplicando este método a uma amostra de volume limitado de 88.579 galáxias, comparamos com a classificação empírica de \citet{schawinski14}. A abordagem difusa reduz a contaminação nas populações dos vales vermelho e verde e produz distribuições fisicamente mais consistentes de formação e morfologia estelar.

As galáxias vermelhas mostram uma distribuição unimodal de baixo SFR, enquanto as galáxias de vale verde exibem assinaturas mais claras de evolução morfológica. Também examinamos a dependência da fração do núcleo galáctico ativo (AGN) na massa estelar e não encontramos diferenças significativas entre os métodos, indicando tendências globais robustas de AGN.

No entanto, a análise de agrupamento revela diferenças sutis: galáxias vermelhas com classificação difusa mostram agrupamento aprimorado em grande escala, sugerindo uma associação mais forte com halos de matéria escura altamente tendenciosos. Estes resultados demonstram que a classificação difusa fornece uma alternativa flexível e fisicamente motivada aos métodos rígidos, permitindo uma visão mais precisa e interpretável das populações de galáxias e da sua evolução.

Tanto indivíduos como organizações que trabalham com arXivLabs abraçaram e aceitaram nossos valores de abertura, comunidade, excelência e privacidade dos dados do usuário.

Fonte