回避領域の銀河：機械学習ツールを使用した誤分類

文脈。大規模調査における銀河系外天体の自動分類法は、手動アプローチと比較して効率性と一貫性の点で大きな利点を提供します。しかし、銀河円盤の存在はさらなる懸念を引き起こします。これらの地域は、高い星間消光、星の密集、限られたデータセットおよび研究が知られています。目的。本研究では、回避領域（ZoA）内の銀河の特定と分類を探索します。特に、近赤外（NIR）データとX線データの結果を比較します。方法。公表された機械学習（ML）アルゴリズムを使用して銀河として分類された銀河円盤内の天体の出現を分析し、VVV NIRGCカタログから視覚的に確認された銀河との比較を行いました。結果。ML技術を用いて銀河としてカタログされたすべてのソースの視覚検査を含む分析は、重要な違いを明らかにしました。NIRデータセットとX線データセットの両方で見つかった銀河はわずか4つでした。ZoA内の特定の興味ある地域は、X線データにおいて銀河である可能性が高いが、拡張された銀河系の天体に非常に似ています。我々の結果は、訓練セット内で銀河についての情報が不足しているため、ZoAでの銀河分類におけるML手法の使用の難しさを示しています。また、この困難な領域での将来の研究の信頼性と精度を高めるために考慮すべき特定の要因の重要性を強調しています。