Ein Forschungsteam unter der Leitung von Dr. Wang Shoucheng und Prof. Ma Jun von den National Astronomical Observatories of Chinese Academy of Sciences (NAOC) hat die LAMOST-Spektrendaten als Trainingsprobe verwendet und eine neue Methode zur Suche nach Sternhaufen in der Andromeda vorgeschlagen Galaxis.
Mit dieser Methode identifizierten die Forscher auf der Grundlage der Daten des Pan-Andromeda Archaeological Survey (PANDAS) 117 neue Kandidaten für hochgradig zuverlässige Haufen in der Andromeda-Galaxie, darunter 109 junge Haufenkandidaten, die sich in der Scheibe befinden, und acht alte Kugelsternhaufen darin der äußere Heiligenschein.
Die Studie wurde veröffentlicht in Astronomie & Astrophysik.
Sternhaufen sind in der gesamten Galaxie von der Ausbuchtung und der Scheibe bis zum äußeren Halo weit verbreitet und bieten ein hervorragendes Werkzeug, um die frühe Entstehung und Evolutionsgeschichte von Galaxien aufzudecken.
Die Andromeda-Galaxie, auch bekannt als Messier 31 (M31), ist die unserer Milchstraße am nächsten gelegene große Spiralgalaxie und ein ideales Labor, um die Entstehung und Entwicklung von Galaxien zu untersuchen.
Astronomen arbeiten seit langem an der Identifizierung von Sternhaufen in M31, um eine vollständige Haufenprobe dieser Galaxie zu erhalten. Kürzlich durchgeführte photometrische und spektroskopische Weitfeld-Durchmusterungen boten eine gute Gelegenheit, nach M31-Clustern zu suchen. Es ist jedoch derzeit schwierig, die speziellen Objekte, die wir benötigen, aus Millionen von Bildern zu finden und zu identifizieren, die durch die tiefen photometrischen Weitfeld-Durchmusterungen erhalten wurden.
Durch die Auswahl von 346 M31-Haufen sowie galaktische Vordergrundobjekte und Hintergrundgalaxien aus der LAMOST DR6-Datenbank und die Kombination mit den Haufen- und Nicht-Haufen-Proben in M31, die aus der Literatur als Trainingsproben erhalten wurden, konstruierten die Forscher eine Klasse von zwei- Channel Deep Convolutional Neural Network (CNN)-Modell zur Identifizierung von Sternhaufen. Seine Genauigkeit konnte im Testset nachweislich 99% erreichen. Unter Verwendung dieses Modells identifizierten die Forscher 117 neue M31-Cluster-Kandidaten mit hoher Zuverlässigkeit aus mehr als 21 Millionen Bildern, die durch die photometrische PAndAS-Umfrage erhalten wurden.
Eine vollständigere M31-Sternhaufenprobe ist eine wertvolle Referenz für weitere Studien zur Entstehung und Entwicklung von M31. „Die automatische Erkennung von Sternhaufen bei großen Himmelsdurchmusterungen ist angesichts der bevorstehenden Weitfeld-Anlagen mit großer Apertur dringend erforderlich, und das von dieser Arbeit vorgeschlagene CNN-Modell ist sehr zeitgemäß“, sagte Dr. Wang.
„Diese Methode kann auch für ein breiteres Anwendungsspektrum generiert werden. Beispielsweise ist sie hilfreich, um Gravitationslinsen zu identifizieren und nach Galaxien mit hoher Rotverschiebung zu suchen“, sagte Prof. Ma.
Shoucheng Wang et al, Identifizierung neuer M 31-Sternhaufenkandidaten aus PAndAS-Bildern unter Verwendung von Convolutional Neural Networks, Astronomie & Astrophysik (2021). DOI: 10.1051/0004-6361/202142169