إطار عمل تصنيف شكل المجرة من خطوتين USmorph يجمع بنجاح بين التعلم الآلي غير المشرف (UML) وطرق التعلم الآلي المشرف (SML). لتحسين خطوة UML، استخدمنا بنية ثنائية المشفر (ConvNeXt وViT) لترميز الصور بشكل فعال، والتعلم المتباين لاستخراج الميزات بدقة، وتحليل المكونات الرئيسية لتقليل الأبعاد بكفاءة. بناءً على هذا الإطار المحسن، تم تحليل عينة من 46,176 مجرة بمعدل كتلة 010⁹ M_⊙ للتحقق من صحة نظام تصنيف شكل مجرتنا. تحليل المعلمات المورفولوجية متسق مع نظام التصنيف لدينا: تميل مجرات SPH وETD ذات القيم الأعلى من n و G و C إلى أن تكون أكثر اعتمادًا على البروز وأكبر كثافة مقارنة بأنواع المجرات الأخرى. وهذا يوضح موثوقية نظام التصنيف هذا، الذي سيكون مفيدًا لاستطلاع السماء الواسع القادم من تلسكوب محطة الفضاء الصينية.
درس يين وآخرون (الخميس) هذا السؤال.