星系形态成了恒星形成史的化石：Katachi-PRIME用三色图像推断质量、年龄与金属丰度

星系图像本身可以当作测光之外的一路独立信息，用来约束恒星质量、比恒星形成率、红移、年龄、尘埃消光和金属丰度这六个物理量。 传统做法把形态压缩成Sérsic指数、T-type、凸起占比等汇总统计量，或干脆不把形态纳入SED拟合；这些汇总统计量此前并未显著收紧红移和恒星质量等约束。 在GSWLC样本上，仅用gri三色图像训练的图像模型给出的后验比5波段光学测光模型略紧，而图像与5波段测光合用的组合模型在总体精度上优于两者；11波段测光模型则明显比图像模型更精确，此时再加入图像带来的提升很小。

方法把图像先变成嵌入向量，再用隐式似然推断一次性学出从数据到参数后验的映射，新星系不必重新采样。 传统SED拟合要把每个星系与上百万条模型光谱逐一比对，在大样本上耗时且受参数简并困扰。 视觉Transformer先在ImageNet上预训练，再用星系图像微调以预测恒星质量与恒星形成率；其768维嵌入与测光一起输入由MAF和NSF归一化流组成的神经后验估计器，训练集为185,874个星系，测试集为46,469个互斥星系，并用TARP检验后验的统计收敛性。

形态对恒星形成史的记忆并不统一，取决于星系处在主序的哪一侧。 此前形态与恒星形成活动的关联多停留在定性层面，缺少对“能回溯多久”的连续刻画。 以真实恒星形成率落在预测后验16至84百分位区间为准确标准，主序星系的连续记忆为4至7 Gyr，宁静星系为3至5 Gyr，绿谷星系为2至4 Gyr，星暴星系仅0至0.8 Gyr；稳健记忆方面，星暴星系为4至10 Gyr，绿谷星系为7至9 Gyr，宁静星系为8至10 Gyr，主序星系的稳健记忆在正文两处分别给出7至9 Gyr与8至10 Gyr，尚未统一。

结论建立在GSWLC中0.02≤z≤0.16、r≤22.2 mag且有GALEX与WISE W1观测的232,343个星系上，图像为SDSS DR8的gri三色64×64像素切片；训练标签取自7波段SED拟合，因此推断结果是“SED拟合估计”而非物理真值。

网络可能借助角尺寸和表面亮度随距离下降这类表观标度关系间接推断红移或质量，而非真正读取旋臂、棒等尺度不变结构；它也可能退化为依赖整体颜色的复杂颜色-星等插值器。训练标签缺少绝对真值，模型可能继承传统SED拟合的简并和系统误差；在红移更高、图像分辨率更低的巡天上表现如何尚待检验。