Automatic quantitative morphological analysis of interacting galaxies

تعداد زیادی از کهکشان های تصویربرداری شده توسط آسمان دیجیتال، نیاز به روش های محاسباتی برای تحلیل مورفولوژی کهکشان را تقویت می کند. در حالی که مورفولوژی بیشتر کهکشان ها می تواند با یک مرحله در دنباله هابل در ارتباط باشد، مورفولوژی ترکیبات کهکشانی پیچیده تر به دلیل ترکیبی از دو یا بیشتر کهکشان ها با مورفولوژی های مختلف و تعامل بین آنها است. در اینجا ما یک روش محاسباتی مبتنی بر یادگیری ماشین بی نظیر ارائه می دهیم که می تواند مورفولوژی های ادغام کهکشان ها و کهکشان ها را به وسیله مورفولوژی آنها تحلیل کند. این روش ابتدا با تولید چندین مدل کهکشانی مصنوعی برای هر ادغام کهکشان ساخته شده است و سپس یک مجموعه بزرگ از توصیفگرهای محتوای تصویری عددی برای هر مدل کهکشان استخراج می کند. این اعداد با استفاده از نمره های افشاگر فرسر وزن می شوند و سپس شباهت های ادغام کهکشان ها با استفاده از یک تحلیل از تحلیل نزدیکترین همسایگی وزن به دست می آید، به طوری که نمرات فیشر به عنوان وزن استفاده می شود. شباهت های ادغام کهکشان با استفاده از فیلوژنی ها تجسم داده می شود تا گرافی را نشان دهد که شباهت های مورفولوژیکی بین ادغام های کهکشان های مختلف را نشان می دهد و بنابراین کمی مورفولوژی ادغام های کهکشان را نشان می دهد.