Galaxias anilladas : del análisis observacional y simulado a la clasificación automática

Abstract

Esta tesis aborda el estudio de galaxias anilladas mediante tres enfoques complementarios: análisis de catálogos observacionales, exploración en simulaciones y clasificación automática con aprendizaje profundo. En la primera etapa, se investigó la presencia y propiedades de galaxias anilladas considerando distintos tipos de anillos: internos, externos, combinados, nucleares y parciales, en grupos pobres y ricos, integrando catálogos del relevamiento Sloan Digital Sky Survey (SDSS). Se encontró que aproximadamente un tercio de las galaxias con anillos se encuentra en entornos grupales, mayormente en grupos pobres. Los anillos internos son los más comunes y los nucleares, poco frecuentes. Las galaxias anilladas presentan menores tasas de formación estelar, poblaciones más envejecidas y colores más rojos respecto a sus contrapartes sin anillos. Estos efectos se ven acentuados en ambientes de mayor densidad. En la simulación Illustris TNG50 se identificaron más de 800 galaxias anilladas, confirmando patrones observacionales y aportando información sobre formación estelar, metalicidad y perfiles radiales. Las galaxias con anillos y barras muestran menor fracción de gas, colores más rojos y mayores metalicidades, destacando el rol de la dinámica interna. Los perfiles radiales exhiben huellas claras de los anillos en radios característicos del disco. Finalmente, se aplicaron modelos de clasificación sobre imágenes del SDSS con arquitecturas como ConvNeXt-Base. La clasificación binaria (anillo vs. no anillo) resultó más robusta que la multiclase, con exactitud y F1 superiores al 88 %. Esto valida el uso de redes neuronales profundas como herramienta eficaz y escalable para el análisis morfológico en grandes relevamientos. En conjunto, la tesis demuestra que los anillos son trazadores clave de la evolución secular de las galaxias discos, vinculados con procesos de regulación del gas, envejecimiento estelar y enriquecimiento químico, parcialmente modulados por el entorno. Su estudio se potencia al integrar observaciones, simulaciones y técnicas de inteligencia artificial, abriendo nuevas perspectivas para la clasificación morfológica y el análisis de la evolución galáctica.

Abstract This thesis investigates ringed galaxies through three complementary approaches: analysis of observational catalogs, exploration within simulations, and automatic classification using deep learning techniques. In the first stage, the presence and properties of ringed galaxies were studied considering different ring types: inner, outer, combined, nuclear, and partial, across poor and rich groups, by integrating catalogs from the Sloan Digital Sky Survey (SDSS). It was found that approximately one third of ringed galaxies reside in group environments, mostly in poor groups. Inner rings are the most common, while nuclear rings are rare. Compared to their non-ringed counterparts, ringed galaxies exhibit lower star formation rates, older stellar populations, and redder colors. These effects become more pronounced in denser environments. In the Illustris TNG50 simulation, more than 800 ringed galaxies were identified, confirming observational patterns and providing insights into star formation, metallicity, and radial profiles. Ringed and barred galaxies show lower gas fractions, redder colors, and higher metallicities, underscoring the role of internal dynamics. Their radial profiles display clear signatures of rings at characteristic disk radii. Finally, classification models were applied to SDSS images using architectures such as ConvNeXt-Base. The binary classification (ring vs. non-ring) proved more robust than the multiclass approach, achieving accuracy and F1 scores above 88 %. This validates the use of deep neural networks as an efficient and scalable tool for morphological analysis in large surveys. Overall, this thesis demonstrates that rings are key tracers of the secular evolution of disk galaxies, linked to processes of gas regulation, stellar aging, and chemical enrichment, partially modulated by the environment. Their study is greatly enhanced by integrating observations, simulations, and artificial intelligence techniques, opening new perspectives for morphological classification and the analysis of galactic evolution.