Новый статистический метод улучшает анализ данных телескопов «Хаббл» и «Джеймс Уэбб»
Команда ученых представила новый статистический подход, основанный на теореме Байеса, для обработки информации, полученной с космических телескопов «Хаббл» и «Джеймс Уэбб». Этот метод позволяет с высокой точностью создавать детализированные карты, отображающие распределение звёздной массы, историю звездообразования, уровень металличности и поглощение пылью в галактиках. Основой разработанного алгоритма стал имитационный вывод, который существенно ускоряет процесс расчёта характеристик галактик на уровне каждого отдельного пикселя.
Для обучения модели использовались синтетические данные, которые были сгенерированы с учетом реалистичного шума, а также чувствительности 19 различных фильтров и историй звездообразования. Данные были собраны с камер ACS телескопа «Хаббл» и NIRCam с JWST. При тестировании нового метода был получен высокий коэффициент детерминации R2=0,99 для оценки звёздной массы, что свидетельствует о высокой точности модели.
При применении метода к реальным данным были проанализированы 2 миллиона пикселей в 1000 галактик, а скорость обработки составила лишь несколько секунд на пиксель, что в общей сложности заняло один день работы на одном процессорном ядре. Ученые провели сравнение оценок звёздной массы, используя как пиксельный, так и интегрированный подход, и выявили систематические расхождения только в маломассивных галактиках. Это связано с тем, что яркие молодые звёзды могут "затенять" старые звёздные популяции.
Точность полученных данных также сильно зависит от выбора априорных распределений, которые представляют собой исходные вероятностные предположения о звездообразовании. Новый фреймворк значительно упрощает статистические исследования, позволяя детализировать информацию до уровня отдельных областей галактик, однако его использование требует переобучения при изменении фильтров или условий наблюдений. В перспективе метод будет адаптирован для других обзоров JWST и для определения красного смещения на уровне каждого пикселя.
Для обучения модели использовались синтетические данные, которые были сгенерированы с учетом реалистичного шума, а также чувствительности 19 различных фильтров и историй звездообразования. Данные были собраны с камер ACS телескопа «Хаббл» и NIRCam с JWST. При тестировании нового метода был получен высокий коэффициент детерминации R2=0,99 для оценки звёздной массы, что свидетельствует о высокой точности модели.
При применении метода к реальным данным были проанализированы 2 миллиона пикселей в 1000 галактик, а скорость обработки составила лишь несколько секунд на пиксель, что в общей сложности заняло один день работы на одном процессорном ядре. Ученые провели сравнение оценок звёздной массы, используя как пиксельный, так и интегрированный подход, и выявили систематические расхождения только в маломассивных галактиках. Это связано с тем, что яркие молодые звёзды могут "затенять" старые звёздные популяции.
Точность полученных данных также сильно зависит от выбора априорных распределений, которые представляют собой исходные вероятностные предположения о звездообразовании. Новый фреймворк значительно упрощает статистические исследования, позволяя детализировать информацию до уровня отдельных областей галактик, однако его использование требует переобучения при изменении фильтров или условий наблюдений. В перспективе метод будет адаптирован для других обзоров JWST и для определения красного смещения на уровне каждого пикселя.
Читайте также:
Ctrl
Enter
Заметили ошЫбку
Выделите текст и нажмите Ctrl+EnterЧитайте также:
.jpg)
