揭示 Gaia 疏散星团的新方法：由 DR2 确认的新的近距疏散星团

Gaia 第二次数据发布(Gaia DR2)的刊布开启了天文学的新纪元。它包含了超过 $1.3$ 亿个源（主要为恒星）的精密天体测量数据（位置、自行和视差）。为了分析如此海量的新数据，数据挖掘技术与机器学习算法的使用必不可少。搜寻位于银盘、共同诞生并一起运动的恒星群——疏散星团，是应用这些技术的绝佳范例。我们的目标是开发一种自动探索数据空间的方法，所需人工干预最小。我们探究了基于密度的聚类算法 DBSCAN 在数据中寻找星团的性能，以及诸如人工神经网络(ANN)之类的监督学习方法来自动区分真实疏散星团与统计星团。该方法在 Tycho-Gaia 天体测量解(TGAS)数据的 $5$ 维空间（$l$, $b$, $\varpi$, $\mu_{\alpha^*}$, $\mu_\delta$）中的开发与实现，以及随后利用 Gaia DR2 数据的验证，促成了一组新的近距疏散星团的提出。我们已开发出一种在天体测量数据中寻找疏散星团的方法，旨在应用于完整的 Gaia DR2 档案。