Identification of interacting galaxies in the S-PLUS database

• Autores: Smith Castelli, Analía Viviana; Saponara, Juliana
• Año de publicación: 2022
• Idioma: inglés
• Tipo de recurso: artículo
• Materia: Ciencias Astronómicas; surveys; methods: observational; galaxies: interactions
• Institución: Universidad Nacional de La Plata

Mostramos resultados preliminares relacionados a la identificación de galaxias interactuantes en un área de cielo de 1000 grados cuadrados utilizando la segunda liberación de datos de S-PLUS. Nuestro primer objetivo es encontrar galaxias interactuantes muy cercanas (z < 0.019) en el cúmulo de galaxias de Fornax y otros sistemas próximos tomando ventaja de la gran cobertura areal de S-PLUS mediante el uso de imágenes en la banda de Ha. Nuestro segundo objetivo es obtener una muestra lo suficientemente representativa de galaxias interactuantes con r < 17.5 mag, realizando diferentes tipos de búsquedas, para ser utilizada luego como muestra de entrenamiento supervisado para un modelo de deep learning que es capaz de identificar en forma automática nuevas galaxias de ese tipo en S-PLUS. Aquí presentamos, como resultado parcial del proyecto, una muestra de galaxias interactuantes encontradas por dicho modelo en la DR2 de S-PLUS. La precisión del modelo en la muestra de testeo es de ≈ 91 %.
We show preliminary results of searches for interacting galaxies over an area of about 1000 square degrees in the southern hemisphere, using the second data release of the Southern Photometric Local Universe Survey. Our first goal is to find very nearby interacting galaxies (z < 0.019) with a high fraction of gas in the Fornax cluster and other nearby systems, taking advantage of the large area covered by S-PLUS with images in the Ha band. Our second goal is to obtain a sufficiently representative dataset of interacting galaxies with r < 17.5 mag, using different methods, to feed a supervised training of a deep learning model that is capable of finding new interacting galaxies in S-PLUS automatically. Here we show a sample of interacting galaxies found by the deep learning model under development as a partial result of the project. The accuracy of the model in the test set is ≈ 91%.
La lista completa de autores que integran el documento puede consultarse en el archivo.
Asociación Argentina de Astronomía
Instituto de Astrofísica de La Plata