基于深度残差网络的星系形态分类.PDFVIP

第 卷　第 期 天 文 学 进 展 年 月 基基基于于于深深深度度度残残残差差差网网网络络络的的的星星星系系系形形形态态态分分分类类类 戴加明 ，佟继周 (1. 中国科学院 国家空间科学中心，北京 100190； 2. 中国科学院大学，北京 100049) 摘要： 星系形态与星系的形成和演化有着密切的联系，因此星系形态分类 成为研究不同星系物理特征的重要过程之一。斯隆数字巡天 等大型巡天计划产生的海量星系图像数据对星系形态的准确、实时分类提出了新 的挑战，而深度学习 算法能有效应对这类海量星系图片的自动分类考验。面向星 系形态分类问题提出了一种改进的深度残差网络 ，即 模 型。该模型对残差单元进行改进，减少了网络深度，并增加了网络宽度，实现了对星系形态特征 的自动提取、识别和分类。实验结果表明，与 和 等其他流行的卷积神经网 络 模型相比， 模型具有更优的分类性能，可应用 于未来大型巡天计划的大规模星系形态分类系统。 关 键 词：星系；形态分类；卷积神经网络；残差网络 中中中图图图分分分类类类号号号：：： 文文文献献献标标标识识识码码码：：： 引 言 星系形态是描述星系结构最直观的观测特征，它是不同运动状态的恒星轨道在天空中的 投影。星系形态与星系的形成和演化有着密切的联系，是探究星系物理的重要参数。如早型 星系在测光上颜色偏红，星族(stellar population) 年龄偏老，中心大多存在以速度弥散为主 导的核球(bulge)，并且有其经历了多次星系并合留下的壳层(shell) 结构。大质量早型星系 大多处于致密环境，形态上表现为椭圆星系。晚型星系在测光上表现为颜色偏蓝，星族成分 较为年轻，含有大量冷气体，有剧烈的恒星形成活动。晚型星系中恒星的运动状态以绕中心 旋转为主导，形态上表现为有恒星盘和旋臂结构的盘状星系。为了研究不同类型星系的物理 特征，首先要做的是有效区分星系的不同形态 。 星系形态分类可以基于不同的标准。哈勃于1926 年提出的哈勃序列(Hubble sequence) 收稿日期：2018-03-01 ； 修回日期：2018-04-16 资助项目：中国科学院“十三五”信息化建设专项(XXH13505-04) 通讯作者：佟继周，tongjz@ 期期期 戴加明，等：基于深度残差网络的星系形态分类戴加明，等：基于深度残差网络的星系形态分类戴加明，等：基于深度残差网络的星系形态分类 是早期用于目视分类的星系形态分类标准中最著名的一种 。随后，研究者们又逐渐发展了 模型化分类和非模型化分类等标准 ，其中，模型化分类的方法是，假设星系的面亮度轮 廓满足一定的函数分布，并据此对星系形态进行分类，如核球 (bulge) + 盘 (disk) 分解方 法 和S´ersic 轮廓拟合方法 等。非模型化分类的方法是，基于聚集度指数、非对称指数、 基尼系数等星系形态的结构参数来对星系形态进行分类 。在众多星系形态分类标准中， 哈勃序列由于其与中性氢的质量、星系的积分颜色、星系光度和环境等物理参数显著相关， 至今还具有很强的生命力。2007 年推出的星系动物园(Galaxy Zoo, GZ) 项目的星系形态分 类标准便是基于哈勃序列的思想而制定的 。 随着观测技术的进步，以及SDSS, COSMOS 和LSST 等大天