Çok Boyutlu Uzayda Galaktik Disk Popülasyonlarına Makine Öğrenmesi Yaklaşımı

Abstract

Literatürde Galaksiye ait popülasyonlar -ince disk, kalın disk, halo- birbirinden ayrılırken konumsal, kinematik, dinamik, kimyasal özellikler ve yaş kriterleri dikkate alınmaktadır. Fakat, literatürdeki ayrım yöntemleri bu özelliklerin bir veya iki tanesini kullanmaktadır. Sadece bir veya iki parametrenin kullanılması popülasyonların karmaşık ve dinamik yapısına aykırı olduğu için bir ayrım yapıldığında diğer özellikler bakımından ait oldukları bileşenleri temsil etmeyen örnekler seçilebilmektedir. Bu durum Galaktik Arkeoloji çalışmalarına bir engel oluşturmaktadır. Bu çalışmada popülasyonların çok boyutlu kimyasal ve kinematik uzayda birbirinden farklılıkları üzerine değinilecek olup, popülasyon ayrımına çok boyutlu uzayda makine öğrenmesi yaklaşımıyla yeni bir çözümü konu alan projemizin ön sonuçları tartışılmaktadır. Bu ön sonuç aşamasında GALAH gökyüzü taramasından seçilen örnek üzerine bir makine öğrenmesi modeli Gauss Karışım Modeli yardımıyla elde edilmiş ve bu model sayesinde birbirinden istatistiksel olarak ayrı olan üç disk popülasyonu ve halo için bir ayrım gerçekleştirilmiştir.