拟合后AGB天体干涉数据的遗传算法方法：I. 蚂蚁星云案例

我们提出GADRAD，一个采用启发式搜索技术即遗传算法的Python模块，用于高效建模后渐近巨星支(post-AGB)盘环境。GADRAD系统地构建多维参数概率密度函数，这些函数源于将辐射转移和几何模型拟合到光学干涉数据产品。结果提供了对天体潜在形态、分量光度和温度、尘埃成分、盘密度剖面及质量的无偏描述。估计参数间的相关性以及潜在的简并性得以揭示。所估计的post-AGB环境参数概率分布为从post-AGB到行星状星云阶段可能发生的塑造过程提供了见解。我们在典型post-AGB环境的模拟人工数据产品上测试了参数恢复。随后我们使用GADRAD对蚂蚁星云(Mz3)的中红外光谱和能见度进行建模，数据取自甚大望远镜干涉仪的MIDI仪器。我们的结果与一个大型尘埃盘一致，其参数值与Chesneau等人先前发现相似，除尘埃质量更大为$3.5^{+7.5}_{-2.2}\times10^{-5}$ M$_{\odot}$。然而，GADRAD确定的参数置信区间可赖以对所有盘和系统参数施加额外约束。基于我们的分析及其他考量，我们暂建议Mz3是在磁（极向）公共包层相互作用期间抛出的前行星状星云，其中双星可能或可能未在星云核心存活。