Исследование членства в рассеянных звездных скоплениях с помощью моделирования N-тел и машинного обучения

Аннотация

Эта работа исследует применение алгоритмов машинного обучения с учителем на симуляциях N-тел для анализа членства в рассеянных звездных скоплениях. Симуляции, использованные в этом исследовании, основаны на модели Пламмера, кластеры сформированы с постоянной эффективностью звездообразования (ПЭЗ) на время свободного падения. Каждая симуляция отличается ПЭЗ и начальной случайной реализацией. Модель случайного леса была обучена с использованием симуляций на основе эффективности образования звезд на уровне 15% за период времени от 20 до 100 миллионов лет. Затем модель была протестирована на других симуляциях N-тел с эффективностями образования звезд от 17% до 25%, продемонстрировав постоянно высокую точность классификации на протяжении динамической эволюции протестированных симуляций. Большинство ошибок, обнаруженных в модели, были ложными срабатываниями (FP), часто находящимися в пределах 2 радиусов Якоби, что указывает на гравитационную привязанность к центру скопления. Эта структура и стратегия обучения демонстрируют эффективность и обещают дальнейшее применение в анализе мнимых наблюдений, полученных из симуляций N-тел.