盖亚DR3中主序恒星的数据驱动光谱模型

对系外行星宿主恒星进行精确的光谱分类，是系外行星在种群和单个系统层面研究的重要工具。在大规模巡天时代，数据驱动方法为光谱分类提供了一种高效途径，其利用了这样一个事实：在任何给定的巡天中，都有一部分恒星具有高保真度的已知恒星参数。我们使用数据驱动的恒星光谱建模框架The Cannon，为盖亚数据发布3（Gaia DR3）的径向速度光谱仪数据训练了一个光谱生成模型。我们的模型通过迁移GALAH标签，为主序恒星导出了恒星标签，其精度在有效温度（Teff）上达到72 K，表面重力（log g）上达到0.09 dex，金属丰度（[Fe/H]）上达到0.06 dex，α元素丰度（[α/Fe]）上达到0.05 dex，以及投影旋转速度（vsini）上达到1.9 km/s。该模型可在 https://github.com/isabelangelo/gaiaspec 公开获取。我们通过在信噪比（SNR）>50的盖亚RVS光谱上验证模型性能，证明我们的模型能够以比现有盖亚恒星参数星表至少20%的精度恢复恒星参数，这是通过与SPOCS巡天的高保真标签进行比较来衡量的。我们还提供了用于测试恒星活动、双星性和模型输出可靠性的指标，并提供了如何解读这些指标的说明。最后，我们发布了针对已发表盖亚RVS光谱的开普勒目标（Kepler Objects of Interest）的更新恒星标签和指标，这些指标标记了疑似双星和活动恒星。