The Cluster Completeness Correction Calculator (C-4): A Neural-Network framework and pilot application to the LEGUS Survey of NGC 628

Título e Contexto

O artigo apresenta o C-4 (Cluster Completeness Correction Calculator), uma nova ferramenta de software baseada em redes neurais projetada para quantificar e corrigir os efeitos de seleção complexos em catálogos de aglomerados estelares em galáxias externas. O estudo utiliza o aglomerado de galáxias NGC 628 (observado pelo projeto LEGUS do HST) como caso piloto.

1. O Problema

Os catálogos de aglomerados estelares em galáxias externas sofrem de efeitos de seleção complexos e frequentemente mal caracterizados, que introduzem viéses significativos nas inferências demográficas (distribuições de massa e idade).

• Limitações dos Métodos Tradicionais: Os testes de estrelas artificiais (ASTs) tradicionais geralmente resumem a completude em limites de detecção unidimensionais (ex: 50% ou 90% em magnitude). Isso reduz um processo de seleção multidimensional a um limiar simples, ignorando correlações entre propriedades (massa, idade, extinção, tamanho) e não reproduz o fluxo completo de construção de catálogos (detecção + filtragem + classificação).
• Desconexão de Espaços: Existe uma incompatibilidade fundamental entre onde a completude é medida (espaço fotométrico observável) e onde a inferência científica é realizada (espaço de parâmetros físicos intrínsecos: massa, idade, extinção). A mapeamento entre eles é não-linear e estocástica (devido ao amostramento finito da Função Inicial de Massa Estelar - IMF), tornando a marginalização estatística computacionalmente cara e instável.
• Viés de Seleção: Aglomerados fracos, extensos ou altamente extintos são sistematicamente sub-representados, levando a conclusões incorretas sobre a eficiência de formação e mecanismos de perturbação de aglomerados.

2. Metodologia

O C-4 adota uma abordagem de modelagem direta (forward-modelling) que aprende o operador de seleção completo do catálogo. O fluxo de trabalho consiste em três etapas principais:

A. Testes de Aglomerados Estelares Artificiais (ASTs)

• Geração de Dados: Utiliza o código slug para gerar 750.000 aglomerados sintéticos com propriedades físicas conhecidas (massa, idade, extinção) e um parâmetro de "incômodo" (raio efetivo).
• Injeção Realista: Os aglomerados sintéticos são injetados nas imagens reais do LEGUS (NGC 628). As posições são distribuídas de acordo com o perfil de luz suavizado da galáxia para simular realisticamente o efeito de "crowding" (agrupamento estelar).
• Processamento Idêntico: As imagens modificadas passam exatamente pelo mesmo pipeline de detecção e filtragem usado para criar o catálogo LEGUS original (geração de imagem de luz branca, uso do SExtractor, fotometria de abertura, cortes de incerteza e índice de concentração).
• Rotulagem: Cada aglomerado injetado recebe um rótulo binário ($C=1$ se recuperado no catálogo final, $C=0$ caso contrário).

B. Arquitetura da Rede Neural

• Modelo: Utiliza um Perceptron Multicamada (MLP) com duas camadas ocultas (512 neurônios cada) e ativação GELU.
• Entradas: O modelo é treinado em dois casos distintos:
  1. Rede Física: Entrada baseada em parâmetros intrínsecos ($\log M, \log T, A_V$).
  2. Rede Fotométrica: Entrada baseada em magnitudes observadas.
• Saída: Uma função de completude contínua e diferenciável $\hat{p}_{obs}(\theta)$, que representa a probabilidade de um aglomerado com propriedades $\theta$ ser incluído no catálogo final.
• Treinamento: Otimizado com o algoritmo AdamW e função de perda de entropia cruzada binária (BCE), utilizando 245.000 pares de dados para treinamento e 5.000 aglomerados repetidos 100 vezes para validação.

C. Correção Demográfica

• A função de completude aprendida é marginalizada sobre as distribuições intrínsecas de massa e extinção para obter funções de completude efetiva unidimensionais para idade e massa.
• Aplica-se uma correção de contagem inversa ($N_{corr} = N_{raw} / p_{corr}$) aos dados observados para recuperar as distribuições intrínsecas.

3. Contribuições Principais

• C-4 (Software): Desenvolvimento de um pacote de software público e agnóstico à pesquisa que automatiza a correção de completude usando redes neurais.
• Modelo de Seleção Multidimensional: A primeira aplicação que aprende diretamente a probabilidade de inclusão no catálogo como uma função dos parâmetros físicos intrínsecos, capturando a dependência não separável entre massa, idade e extinção.
• Função Contínua e Diferenciável: Substitui tabelas de lookup ou curvas paramétricas por uma função suave, facilitando a integração em modelos bayesianos hierárquicos e evitando artefatos de discretização.
• Integração de Estocasticidade: O modelo incorpora naturalmente a incerteza estocástica do amostramento da IMF, algo difícil de tratar com métodos tradicionais.

4. Resultados

A aplicação do C-4 a NGC 628 demonstrou:

• Alta Precisão: As redes neurais reproduziram com alta fidelidade os resultados dos testes AST, capturando até mesmo transições abruptas e estruturas complexas na fronteira de detecção. A rede física (baseada apenas em parâmetros físicos) teve desempenho comparável à rede fotométrica, provando que o modelo aprendeu o mapeamento físico-fotométrico subjacente.
• Correção de Distribuições:
  • Função de Massa (CMF): A correção removeu o achatamento artificial observado em baixas massas, revelando uma distribuição consistente com uma lei de potência não quebrada até $\sim 10^3 M_\odot$ (uma ordem de magnitude abaixo do limite anterior de $5 \times 10^3 M_\odot$).
  • Função de Idade (CAF): A distribuição corrigida mostrou uma inclinação positiva suave ($dN/dT \propto T^{-0.7}$), indicando uma perturbação de aglomerados menos severa do que inferida por amostras não corrigidas (que sugeriam $dN/dT \propto T^{-1}$).
• Expansão do Espaço de Parâmetros: A metodologia permitiu análises demográficas robustas em regiões de massa e idade anteriormente inacessíveis devido à incompletude severa.

5. Significado e Conclusão

O trabalho estabelece a modelagem baseada em redes neurais como uma ferramenta poderosa e geral para recuperar populações intrínsecas de aglomerados estelares.

• Superação de Limitações: O C-4 supera as limitações dos métodos de AST tradicionais ao tratar a completude como um problema de seleção de alta dimensão aprendível, em vez de um exercício de binning unidimensional.
• Futuro: O framework é escalável e pronto para ser aplicado a futuros catálogos de aglomerados do JWST, onde os efeitos estocásticos e funções de seleção complexas serão ainda mais pronunciados.
• Impacto Científico: Ao fornecer correções precisas e contínuas, o C-4 permite inferências físicas mais robustas sobre a formação estelar e a evolução galáctica, eliminando viéses sistemáticos que distorciam nossa compreensão da demografia de aglomerados.