Zusammenfassung Die Umgebung spielt eine entscheidende Rolle in der Galaxienentwicklung, wobei Galaxienhaufen und ihre Fallregionen vielfältige Bedingungen bieten, die Galaxien formen, bevor sie den dichten Clusterkern betreten, ein Prozess, der als „Vorverarbeitung“ bekannt ist. Die Identifizierung von umgebungsbedingten Unterstrukturen, insbesondere von Galaxiengruppen in diesen Übergangsbereichen, bleibt jedoch aufgrund von Projektionseffekten und „Finger Gottes“-Verzerrungen herausfordernd. In dieser Arbeit präsentieren wir ein überwacht lernendes maschinelles Lernframework zur Klassifizierung von Galaxien in drei Umweltkategorien: Hauptcluster, Gruppe und weder noch, basierend auf beobachtbaren Galaxieeigenschaften wie Positionen, Sichtgeschwindigkeiten und stellaren Massen. Das Modell wird auf Mockbeobachtungen trainiert, die aus kosmologischen Simulationen abgeleitet sind, die darauf abzielen, Umfragebedingungen zu replizieren, und erreicht eine Gesamtkorrektheit und klassengewichtete Präzision von 81 %. Die
Jordan et al. (Wed,) studied this question.