回避域における銀河：機械学習ツールを使用した誤分類

大規模調査における銀河系外天体を分類するための自動化された方法は、効率と一貫性の面で手作業のアプローチと比べて重要な利点を提供します。しかし、銀河磁場の存在は追加の懸念を引き起こします。これらの領域は、高いレベルの星間消光、星の混雑、および限られたデータセットと研究で知られています。この研究では、回避域（ZoA）における銀河の特定と分類を探ります。特に、近赤外線データとX線データにおける結果を比較します。Zhangら（2021）によって機械学習を用いて銀河と分類された天体の外観を分析し、VVV NIRGCから視覚的に確認された銀河（Baravalle et al. (2021)）との比較を行います。機械学習技術を用いて銀河としてカタログに載せられたすべてのソースの視覚的検査を含む私たちの分析は、重要な違いを明らかにします。近赤外線データセットと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内の特定の関心領域はいくつかあり、X線データでは銀河である可能性が高いにもかかわらず、広がった銀河系の天体に非常に類似しています。その結果は、主にトレーニングセットにおける銀河の情報が不足しているため、ZoAにおける銀河分類に機械学習方法を使用することの難しさを示しています。また、この難しい地域での将来の研究の信頼性と精度を向上させるために特定の要因を考慮する重要性も強調しています。