• gemini https://aistudio.google.com/prompts/1q9e7EaGEaeKJ7RQ3-zTol4XzTJpb3_S3
• 主题是 quiescent galaxy 构成的 red sequence 的红移演化，3.7 的红移上限甚至包含了 proto cluster 阶段
• focus on galaxy group
• 一个关键的结论是 slope 和 scatter 没有发生红移演化

Brief #

• COSMOS2025 有非常全的数据和波长覆盖，所以可以实现 0-3.7 这样跨度的星系性质研究，甚至可以基于 color-color plot 以及 sSFR 给出是否 quiescent 的 truth value
• 用 AMICO 探测了很多 group，用 ML 方法区分星系是否是 quiescent 的，并且对于每一个 group 拟合一个 red sequence
  • quiescent/RS fraction 都随着红移升高/richness 降低而降低，可以理解为在 z=1-2 red sequence 才开始形成
• 核心结论是 slope/scatter 不存在红移演化，不过对 redMaPPer project 更重要的是 red sequence slope 和 scatter 的典型值分别是 -0.05 和 0.05

Intro #

• 基本观测事实：高密度环境中更多地出现红色星系
• quench 包含内部和外部两方面的因素（DeLucia2025CosmicQuenching），但是二者之间是否是完全独立的还不清楚
• mass quenching 主要针对大质量星系起作用，而 environmental quenching 针对晚期宇宙中的 satellite 起效
  • quiescent galaxy 会集中形成 red sequence，可以用 slope（质量-金属丰度关系）、scatter 和 zero-point（平均质量和 SFH）表征
  • 关于 red sequence 的定义和性质 Zimmermann2025SRGEROSITAAllSky#Red sequence
• 主题是 galaxy group 这种和 cluster 相比 less massive/dense 系统中的星系
• COSMOS-Web 是 JWST 的一个观测项目（Web for Webb?）
• AMICO 对颜色信息利用比较少，所以可以避免对最成熟、最红的 red sequence 的偏好

Data #

• COSMOS field 具有 CFHT/Subaru/HST/UltraVISTA等多波段的观测数据
  • supplement: HST 在 2003-2005 观测，尺寸是 1.4x1.4 deg2
• COSMOS-Web 是 JWST Cycle1 的一个项目，包括 115~444 的四个 filter，coverage 是 0.54 deg2
  • source detection 用的是 SEx++，在 chi2 image 上进行
  • COSMOS2025 是结合新的 JWST 数据的一个新的 compilation
  • photo-z 计算来自 Le Phare 代码（template fitting），对于亮/暗星系的精度大约是 1/3%
• galaxy group 来自 AMICO 在 COSMOS2025 上的运行
  • AMICO 的原理是用一个 filter 以每个星系为中心计算 amplitude/SNR，单个星系可以按照概率分配到不同红移上
    • 可以参考 Collaboration2019EuclidPreparationIII 以及 Maturi2025AMICOGalaxyClusters
  • 最终的 catalog 包含 1678 个 group，红移直到 3.7，SNR 和 richness min 分别是 6/2

Classification with ML #

• 关键的一步是区分 red/blue galaxy（二元分类任务），这里用 XGB（属于 gradient boosted tree）和 LDA 两种 ML algorithm 完成，二者之间区别在于 non-linear 和 linear（？）
  • 决策树的原理是：在每一个节点选择最佳的分裂特征
    • XGB 的提升在于每次迭代都用梯度回归来纠正上一次迭代的错误
  • LDA 作为有监督的降维方法，原理是「类内方差最小、类间距离最大」
    • 可以通过合成数据（SMOTE）来解决蓝星系多于红星系的问题
• 训练集用 COSMOS 2015 构建，避免过拟合
  • truth value 来自于四种方法（NUV-r-J color-color、sSFR 阈值、和 Sa galaxy model 的比较、NUV-r-K color-color），满足 3/4 标准的即可判定为 quiescent
  • 将 1% 的 green valley 移除以避免模糊性
  • 训练和测试 1:2
• feature engineering 属于 ML pre-process 的一步
  • fig1 表示不同 band 提供的信息量
    • F-score 是所有树中某个特征出现的频率，SHAP（定义为所有加入顺序下带来的边际收益的平均值）量化了单个 feature 的贡献比例
    • 包括了 COSMOS15/20 中的全部波段，但是只有前四个是对于 COSMOS 2025 是可用的
  • 结论是 r/NUV/K/J 提供了最多的信息 as expected，但是有可能是因为 truth value 就是用这些维度定义的？
  • 对于没有 NUV 观测的 source 填充 -99，XGB 可以识别和学习这种特征
• precision/recall/F1-score 分别对应 purity、completeness 以及二者的调和平均
  • SMOTE 会增加 false positive 的概率
  • fig2 calibration curve 是独立于 F1-score 的测评标准，XGB（尤其是带有 -99 的版本）在测试集上的表现优于 LDA
    • 实线和虚线分别是使用全部 band 和仅使用四个最 informative band 的结果
• fig3 展示了参数空间上的 ML 划分和 hard cut 的比较，说明模型在 hard cut 的标准之外还可以提供额外的信息
  • 对于低质量星系判别稍微模糊（右上 panel 的浅蓝色区域）
• 训练过程的输入不包括 sSFR 信息

Quiescent fraction #

• 首先设置 mstar+4（大概 0.025 Lstar）的光度下限，可以保证直到红移 2.5 的样本均匀完备
• 最简单的针对 group 计算 quiescent fraction 的方法是将成员概率和 ML 给出的 quiescent 概率相乘，加和后和 richness 相比（相当于用成员概率加权的 quiescent 概率均值）
  • fig4 高 richness/低红移的 group 具有更高的 fraction
  • red sequence 的形成大约是从 z=2 开始的
  • z=3 的轻微上抬可能源自 mstar+4 的选择效应
• 另外一种方法是定义一个 cylinder 替代 AMICO 的输出，并且计算 quiescent galaxy 的 overdensity，目的是验证 AMICO 的特殊性不会带来问题
  • cylinder 半径和高度分别是 0.5 Mpc/h 以及 ±0.01 红移相对误差
  • 星系的红移不确定性以概率形式进入权重函数中，此外还需要进行 bkg subtraction
  • fig5 最终得到的结果和 AMICO 结果趋势一致，但是 quiescent 比例更高，可能是 0.5 半径对于部分 group 来说太小或者这种背景扣除相比 AMICO 来说更彻底
• fig6 将 group 分类为 X-ray bright/faint 两类，对比 quiescent fraction
  • 这里的 sample 是来自整个 COSMOS field 的 cluster sample，没有用到 JWST 的新数据
  • 在所有情况下都是 X-ray bright group 中的星系更加 quiescent，并且在低红移下和对于高（AMICO）SNR group 更显著
    • 并且一定程度上通过 richness/SNR 控制了 bright/faint 这个维度的改变
  • X-ray 代表热气体的存在，本身就会以 ram pressure 方式将星系变得 quiescent
  • fig7 结合 Darvish 2014 提供的 COSMOS LSS map 想要说明 X-ray bright/faint 分别处于 node 和 filament 中
    • 位于 node 处的 galaxy system 从 filament 中吸积已经经过 pre process 的星系

Red sequence #

• 最关键的 4000A break 会随着红移升高而移动到不同的 filter pair 之间，fig8/tab2 给出了不同红移下的最佳 color
  • 一般来说会选取 color pair 中较红的一个（后者）作为 magnitude
  • HSC 的颜色切换点是 0.38, 0.70 和 1.10
• 对于每一个 group 成员进行 3-sigma clipping，之后用（加权）最小二乘拟合平均颜色、斜率和 scatter，权重是成员概率和 quiescent 概率的乘积
  • 要求红色星系的颜色在 red sequence ±0.3 sigma 范围内，并且 quiescent/membership 概率都高于 0.5
• fig9 RS fraction（定义为红色星系的概率加和与 richness 之比）的趋势和 quiescent fraction（grey curve）类似
  • 探测到 red sequence 的 group 整体比例是 1/8，并且随红移升高降低
  • z=0.7-0.8 的 peak 可能和 COSMOS wall 这个大尺度结构相关
• 有一个发现是 z=3.4 的 CW117 也有三个成员具有非常一致的颜色，按照这里的标准（大于等于 3）也是一个 red sequence
  • fig10 红/蓝颜色变化说明 quiescent 与否，大小是成员概率，三个圈代表 RS galaxy
• fig11 red sequence 的演化
  • legend 中的 rest frame 指的是使用 J/K rest-frame magnitude（同样来自 Le Phare），只是一个 robustness test
  • panel1 多个 sequence 代表不同红移处的颜色选择，model（橙色线）在红移 2.4 以下都和数据符合很好
    • model 来自形成于 z=8，在 z=5 经历一次 burst 的星族的理论颜色
    • 单个颜色的变化是因为红移而不是年龄增长？
  • panel2/3 对比了 slope 的演化
    • panel2 中红/灰点代表 RS group 和普通 group（对普通 group 也进行拟合？）
    • 最终结论是没有演化，轻微的最红移升高而降低趋势可能和金属丰度演化有关
    • slope 典型值是 -0.05（-0.0436 from Durret 2011）
  • panel4 scatter 没有显著演化，典型值是 0.05-0.1 mag
  • 「没有演化」可以解释为 quiescent population 形成之后性质就不再改变

Thoughts #

• 很大一部分内容是解决二元分类任务，类似 Black2022RedDragonRedshiftevolving 用两个 component 的 GMM 进行分类
• 为什么是 group 而不是 cluster？
  • group/cluster 的一个模糊分界是 1e14 halo mass，对应 redMaPPer richness=20
    • MW halo mass 量级是 1e12
  • 这里确实包含了很多 low-richness system，比如 10 以下的系统一般 cluster 肯定会直接丢掉
  • 其实 red sequence 本身就是 high-richness system 中比较显著，在 low-richness system 中寻找相当于设定下限
• rest-frame magnitude 是用很多波段的观测凑出来的
• 这里换颜色 pair 不会给 slope 带来改变，HSC 中斜率不同是因为用了统一的 mag band