高频彩app

     首頁 >> 新聞動態 >> 科研動態

科研動態

研究人員基于LAMOST數據回歸Gaia DR2中恒星的消光

發表日期:2019-12-24來源:放大 縮小

  在二十一世紀的第二個十年,機器學習逐漸成為大數據分析和數據挖掘的主導力量,它從復雜的數據經驗中汲取有用信息,并對非經驗數據進行有效預測。近期,利用機器學習算法,國家天文臺白宇副研究員、劉繼峰研究員等利用LAMOST光譜數據,給出了Gaia DR2數據中1.3億顆恒星的星際消光,研究成果已經被《天文學雜志》(AJ)接收并即將發表。 

  在當代天體物理學,科學技術的進步帶來的天文大數據,極大拓展了人類對于銀河系的認知,然而,其中最大阻礙之一是,充斥著銀河系的星際氣體和塵埃。歐洲航天局Gaia太空望遠鏡釋放的二期數據,包含近17億個天體的基本信息。國際上,已經有多個科研團隊,以測光數據為基礎,試圖給出這些天體的星際消光信息,但是,測光學能夠提供的數據量十分有限,得到的結果通常存在偏差。 

  國家重大科技基礎設施郭守敬望遠鏡(LAMOST)巡天已經產出千萬量級的天體光譜,每條天體光譜包含數千個數據點,包含的信息是測光數據的幾百倍。研究人員通過篩選LAMOSTSDSS的恒星光譜數據庫,獲得三百余萬顆恒星的基本參數。利用恒星大氣模型給出這些恒星的本征顏色,與Gaia數據庫比較,得到星際消光。采用Gaia內部參數訓練回歸器,并對1.3億顆恒星的星際消光給出預測。星表交叉驗證的標準偏差為0.01星等,盲測的標準偏差為0.04星等。同時,研究人員把結果與多個消光星表進行比較,發現該結果與其它以光譜數據為基礎的星表一致,而與測光數據為基礎的星表存在較大偏差。這暗示與測光數據相比,光譜數據包含更多的有用信息,能夠更有效描述恒星物理環境,并最終得到更可靠的結果。 

  科研人員有效利用機器學習方法,把光譜數據的信息與Gaia天體測量信息結合在一起,產出大樣本恒星消光星表。該成果將可廣泛應用于銀河系天體物理學研究領域,對深入理解我們的銀河系有著重要意義。

 該項研究得到的恒星星等—溫度圖和星等—顏色圖

附件: