摘要 聚类算法可以通过识别在动力学或化学丰度空间中具有相似特性的星群来帮助重建银河系的组装历史。尽管它们是有前景的工具，但其效率尚未在真实的宇宙学框架中得到充分测试。我们研究了HDBSCAN聚类算法在恢复银河系类型星系的先驱方面的有效性，使用了来自Auriga系列模拟的多个系统。我们开发了一种方法，旨在提高算法的效率并避免碎片化：首先，我们使用一个包含一系列化学动力学特性和恒星年龄的12维特征空间；此外，我们利用被吸积星团的内部结构信息优化算法。我们展示了我们的方法在不同类型的吸积历史星系中，在聚类的纯度和完整性方面均取得了良好的结果。我们还评估了由于原位恒星的污染导致的效率下降。对于仅被吸积的晕，算法与单个先驱匹配良好，并能够恢复红移高达zacc ∼ 3的吸积事件，而对于被吸积和原位的晕，算法只能识别最近的吸积事件（zacc 1）。然而，即使在这种情况下，识别的聚类的纯度仍然非常高。我们的结果表明，HDBSCAN能够在真实条件下有效识别银河系类型星系中的被吸积垃圾，但需要仔细优化以提供有效结果。
Sante et al. (周五)研究了这个问题。