Morphologies for DECaLS Galaxies through a combination of non-parametric indices and machine learning methods: A comprehensive catalog using the Galaxy Morphology Extractor (galmex) code

Deze studie introduceert de open-source Python-pakket galmex en een machine learning-framework om een homogene catalogus van niet-parametrische morfologische indices voor DECaLS-galaxieën te genereren, waarmee een nauwkeurige probabilistische scheiding tussen spiraalvormige en elliptische galaxieën wordt bereikt.

De kern

De Sterrenkaart van de Zuidelijke Hemel: Hoe Computers Galaxies Leren Herkennen

Stel je voor dat je een enorme, duizelingwekkende foto van de nachtelijke hemel hebt, gemaakt door een gigantische camera in Chili. Op deze foto staan miljoenen sterrenstelsels. Sommige lijken op prachtige spiraalvormige draaikolken (zoals onze eigen Melkweg), en andere op ronde, eivormige bollen. Vroeger keken astronomen urenlang naar deze foto's om ze met de hand te sorteren. Maar met miljoenen sterrenstelsels is dat als proberen een hele berg zandkorrels één voor één te tellen: het duurt eeuwen en je wordt er moe van.

In dit nieuwe onderzoek hebben wetenschappers een slimme oplossing bedacht. Ze hebben een digitale "galaxie-detector" gebouwd die automatisch kan zien of een sterrenstelsel een spiraal of een ei is, zonder dat iemand er lang naar hoeft te kijken.

Hier is hoe ze dat deden, verteld in simpele taal:

1. De Digitale Schaar en het Schoonmaken

Eerst moesten ze de foto's "opkuisen". Net zoals je een oude foto van een muur plakt en er stof en krassen op zitten, hebben sterrenstelsels op de foto's last van ruis, andere sterren die in de weg zitten, en wazige randen.

De auteurs hebben een nieuwe computerprogramma gemaakt, genaamd galmex. Je kunt dit zien als een super-slimme digitale schaar en poetsdoek.

• Het knipt precies het stukje foto uit waar het sterrenstelsel zit.
• Het verwijdert de "vuilnis" (andere sterren of ruis) eruit.
• Het maakt de randen scherp, zodat de computer precies kan zien waar het sterrenstelsel begint en eindigt.

2. De "Vorm-Check" (De Meetlat)

Nu het beeld schoon is, moeten ze meten. In plaats van te kijken naar complexe formules, gebruiken ze een paar simpele, maar slimme regels om de vorm te beschrijven. Stel je voor dat je een sterrenstelsel beoordeelt alsof het een stukje deeg is:

• De Concentratie (C): Is het deeg in het midden samengeperst (zoals een ei) of verspreid over de hele plaat (zoals een spiraal)?
• De Onevenwichtigheid (A): Is het symmetrisch? Een ei is vaak perfect rond, maar een spiraal kan wat scheef zijn of "rommelig" lijken.
• De Ruwheid (S): Is het oppervlak glad of heb je er kleine klonten op?
• De "Gini" en "Entropie": Dit zijn wat meer wiskundige termen, maar je kunt het zien als het meten van hoe gelijkmatig het licht verdeeld is. Een ei heeft het licht vaak in het midden gebundeld (hoge Gini), terwijl een spiraal het licht verspreid houdt (hoge Entropie).

De onderzoekers hebben bewezen dat deze meetlaten heel goed werken, vooral de Gini en Entropie. Ze zijn zo gevoelig dat ze zelfs kleine verschillen kunnen zien tussen een glad ei en een rommelige spiraal.

3. De Slimme Leraar (Machine Learning)

Nu hebben ze duizenden voorbeelden van sterrenstelsels die ze al wisten wat ze waren (de "leerboeken"). Ze hebben deze voorbeelden gebruikt om een computerprogramma te trainen, genaamd LightGBM.

Dit is als het trainen van een hond:

1. Je laat de hond een foto van een ei zien en zegt: "Dit is een ei."
2. Je laat een foto van een spiraal zien en zegt: "Dit is een spiraal."
3. De computer kijkt naar de meetlaten (C, A, S, Gini, etc.) en leert: "Ah, als de Gini hoog is en de Entropie laag, dan is het waarschijnlijk een ei."

Na veel oefenen kan deze computer nu zelfstandig naar een nieuwe, onbekende foto kijken en zeggen: "Ik ben 98% zeker dat dit een spiraal is."

4. Waarom is dit belangrijk?

Deze onderzoekers hebben een enorme lijst gemaakt van 1,7 miljoen sterrenstelsels in het zuidelijk halfrond (waar we minder van hebben gezien dan in het noorden). Ze hebben voor bijna elk van deze sterrenstelsels een "vertrouwensscore" gegeven: hoe zeker is de computer dat het een spiraal is?

De grote ontdekking:

• De oude manier van kijken (met het blote oog) is soms subjectief. Iemand kan denken dat iets een ei is, terwijl het eigenlijk een spiraal is die we van de zijkant zien.
• De nieuwe computer-methode is veel consistenter. Het maakt geen fouten door vermoeidheid of persoonlijke voorkeur.
• Ze hebben ontdekt dat de "Gini"-index en de "Entropie" de beste meetlaten zijn om deze twee soorten te onderscheiden.

Conclusie

Kortom, deze wetenschappers hebben een automatische, betrouwbare en openbare catalogus gemaakt. Het is alsof ze een nieuwe kaart van de zuidelijke sterrenhemel hebben getekend, waarbij elke sterrenstelsel een label heeft gekregen: "Spiraal" of "Ei".

Dit helpt andere astronomen om beter te begrijpen hoe sterrenstelsels ontstaan en veranderen. Net zoals je door het kijken naar de vorm van een ei en een spiraal kunt begrijpen hoe ze zijn gemaakt, helpt deze nieuwe lijst ons de geschiedenis van ons heelal te lezen. En het beste deel? De code en de data zijn gratis beschikbaar voor iedereen die wil meekijken!

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Morphologies for DECaLS Galaxies through a combination of non-parametric indices and machine learning methods" in het Nederlands.

Titel: Morphologieën voor DECaLS-galaxieën via een combinatie van niet-parametrische indices en machine learning-methoden

Auteurs: V. M. Sampaio et al. (2026)
Publicatie: Astronomy & Astrophysics (in voorbereiding voor ESO 2026)

---

1. Het Probleem en de Context

Galaxiemorfologie bevat cruciale informatie over de vorming en evolutie van sterrenstelsels. Traditionele visuele classificatie (zoals de Hubble-sequentie) is intuïtief maar subjectief en niet schaalbaar voor de enorme datasets van moderne hemelverkenningen. Parametrische methoden (zoals het aanpassen van Sérsic-profielen) zijn vaak beperkt door aannames over symmetrie en kunnen misleidend zijn bij onregelmatige of samensmeltende systemen.

Hoewel niet-parametrische indices (zoals CAS: Concentratie, Asymmetrie, Gladheid) een modelonafhankelijk alternatief bieden, is hun prestatie afhankelijk van voorbewerking en ze vertonen vaak overlap tussen morfologische typen. Daarnaast zijn er geen uniforme, openbare catalogi beschikbaar voor het zuidelijk halfrond, wat essentieel is voor toekomstige spectroscopische surveys zoals 4MOST/CHANCES en WEAVE.

2. Methodologie

Data-selectie:

• Survey: Dark Energy Camera Legacy Survey (DECaLS), Data Release 10, in het $r$-band.
• Selectiecriteria: Galaxieën met een effectieve straal $R_e > 2$ boogseconden en een helderheid $m_r \leq 18.5$ (om PSF-effecten te minimaliseren en hoge signaal-ruisverhouding te garanderen).
• Steekproef: Een initiële steekproef van ~6,7 miljoen galaxieën, gereduceerd tot ~1,74 miljoen na toepassing van oppervlaktehelderheids- en resolutielimieten.
• Redshift: Beperkt tot $z \leq 0.15$ om consistentie te garanderen met de trainingslabels.

Ontwikkeling van galmex:
De auteurs hebben een nieuwe, modulaire Python-pakket ontwikkeld genaamd galmex (Galaxy Morphology Extractor). In tegenstelling tot bestaande codes (zoals statmorph), biedt galmex:

• Volledige modulariteit voor elke stap in de voorbewerking (cutout creatie, achtergrondsubtactie, detectie, reiniging).
• Gebruik van elliptische aperturen in plaats van cirkelvormige aperturen voor het berekenen van Petrosian-stralen, wat cruciaal is om bias bij afgeplatte galaxieën te voorkomen.
• Een geavanceerde "cleaning"-procedure waarbij secundaire bronnen worden verwijderd via isofotale interpolatie, waardoor alleen de doelgalaxie overblijft voor meting.

Niet-parametrische Indices:
Het pakket meet twee sets indices:

1. CA[AS]S: Concentratie ($C$), Asymmetrie ($A$), Shape Asymmetry ($AS$), en Smoothness ($S$).
2. MEGG: $M_{20}$, Entropie ($E$), Gini-coëfficiënt ($G$), en Gradient Pattern Asymmetry ($G_2$).

Trainingslabels en Machine Learning:

• Labels: Visuele classificaties van Galaxy Zoo 1 (GZ1) voor SDSS-galaxieën (die overlappen met DECaLS) worden gebruikt als "ground truth" voor spiraalvormige versus elliptische galaxieën.
• Model: Een Light Gradient Boosted Machine (LightGBM) wordt getraind op de niet-parametrische indices om probabilistische classificaties te genereren.
• Balancering: De onbalans tussen spiralen en elliptieken wordt aangepakt met SMOTE (Synthetic Minority Over-sampling Technique) alleen in de trainingsset.

3. Belangrijkste Bijdragen

1. De galmex Code: Een transparante, reproduceerbare en aanpasbare pipeline voor het meten van morfologische indices, specifiek geoptimaliseerd voor DECam-gegevens.
2. De Eerste Publieke Catalogus: De publicatie van een homogene catalogus met CA[AS]S+MEGG indices voor meer dan 1,7 miljoen DECaLS-galaxieën.
3. Probabilistische Classificatie: Een framework dat niet-parametrische indices combineert met machine learning om een waarschijnlijkheid voor spiraalvormigheid ($P_{spiral}$) te leveren voor elk object, in plaats van een harde classificatie.
4. Validatie van Methodiek: Een grondige analyse van hoe voorbewerking (zoals de keuze van apertuur en segmentatiemaskers) de resultaten beïnvloedt, en het aantonen dat elliptische aperturen essentieel zijn voor nauwkeurigheid.

4. Resultaten

Prestatie van Indices:

• Concentratie ($C$) is de meest betrouwbare parameter binnen het CAS-systeem voor het scheiden van vroege en late typen.
• Asymmetrie-indices ($A, AS, S$) tonen grote overlap tussen spiralen en elliptieken en zijn voornamelijk nuttig voor het detecteren van verstoord systemen (zoals mergers).
• MEGG-indices bieden een sterkere scheiding. Entropie ($E$) en Gini ($G$) tonen de minst overlap en volgen een duidelijke gradiënt met de Hubble-sequentie (T-Type).
• De overlapcoëfficiënt (OVL) voor Entropie en Gini is zeer laag (~0,14-0,18), wat aangeeft dat ze uitstekende discriminatoren zijn.

Machine Learning Resultaten:

• De LightGBM-classificator bereikte een AUC (Area Under Curve) van 0,996 en een Average Precision (AP) van 0,999.
• De confusiematrix toont een nauwkeurigheid van 98,6% voor spiralen en 87,5% voor elliptieken. De lagere nauwkeurigheid voor elliptieken wordt toegeschreven aan de aanwezigheid van lensvormige (S0) galaxieën in de "elliptische" trainingsset van GZ1.
• Kalibratie: De voorspelde probabilities zijn uitstekend gekalibreerd (Brier-score = 0,022), wat betekent dat een voorspelde kans van 70% ook daadwerkelijk overeenkomt met 70% spiralen in die groep.
• Feature Importance: Volgens SHAP-analyse zijn Entropie, Concentratie en Gini de belangrijkste kenmerken die de classificatie bepalen.

Validatie:

• De prestaties blijven hoog over verschillende helderheids- en groottebereiken, met slechts een lichte afname bij de zwakste/kleinste galaxieën (verwacht door lagere resolutie).
• Er is een duidelijke discrepantie gevonden tussen de "Smooth/Disk" labels van Galaxy Zoo DECaLS en de "Elliptical/Spiral" labels van Galaxy Zoo 1. Het trainen op DECaLS-labels resulteert in slechtere prestaties, wat aantoont dat visuele labels van verschillende projecten niet direct uitwisselbaar zijn zonder zorgvuldige afstemming.

5. Betekenis en Conclusie

Dit werk biedt een fundamenteel nieuw hulpmiddel voor de studie van galaxie-evolutie in het zuidelijk halfrond. Door de combinatie van robuuste niet-parametrische indices, een transparante software-pipeline (galmex) en geavanceerde machine learning, kunnen onderzoekers nu:

• Galaxiemorfologie uniform analyseren voor miljoenen objecten.
• Betrouwbare probabilistische classificaties toepassen op toekomstige surveys (zoals CHANCES en WEAVE).
• De overgang van sterrenvormende schijfgalaxieën naar rustige sferoïden kwantificeren.

De auteurs benadrukken dat hoewel de huidige classificatie zich beperkt tot een binair onderscheid (spiraal vs. vroege type), de framework klaar is voor uitbreiding naar meer complexe morfologieën (zoals mergers en overgangssystemen) en hogere redshifts in toekomstige werken. De catalogus en code zijn publiek beschikbaar gesteld om reproduceerbaarheid en community-breed gebruik te waarborgen.