ROGER: 極端な領域における銀河の軌道を機械学習技術を用いて再構築する

要旨 我々はROGER (Reconstructing Orbits of Galaxies in Extreme Regions) コードを紹介します。このコードは、銀河の投影された位相空間位置に基づいて、クラスタ内および周辺の銀河を分類するために、3つの異なる機械学習技術を使用します。赤方偏移0でのMultiDark Planck 2 (MDLP2) シミュレーションにおける34の巨大な、M200 1015h−1M⊙の銀河クラスターのサンプルを使用します。SAGの半解析的銀河形成モデルによって計算された恒星質量M⋆ ≥ 108.5h−1M⊙を持つ全ての銀河を選択し、これらのクラスター内およびその近隣に位置する銀河を分類します。ROGERは、銀河の投影された位相空間位置から元の分類を取得するように訓練されています。各銀河について、ROGERはクラスター銀河である確率、最近クラスターに落ち込んだ銀河、バックスプラッシュ銀河、落ち込み銀河、または侵入者である確率を出力します。機械学習手法のパフォーマンスと我々のコードの潜在的な使用について議論します。探求した異なる手法の中で、K-Nearest Neighboursアルゴリズムが最も良いパフォーマンスを達成することがわかりました。