Gaia 500 pc白矮星群体的随机森林光谱分类

第三次Gaia数据发布为天文界提供了超过18亿源的天体测量数据，以及2.2亿条低分辨率光谱。如此大量的数据难以通过目视检查处理。在这项工作中，我们基于人工智能算法对Gaia白矮星群体在距太阳500 pc范围内的光谱进行了分析，将样本分类为其主要光谱型和子型。为了对样本进行分类，该样本由78,920颗具有可用Gaia光谱的白矮星组成，我们将随机森林算法应用于Gaia光谱系数。我们使用已标记物体的蒙特利尔白矮星数据库作为训练样本。分类后的样本与其他已发表的星表以及我们自己更高分辨率的加纳利大型望远镜（GTC）光谱进行了比较，从而构建了一个良好分类物体的黄金样本。对500 pc白矮星群体的随机森林光谱分类取得了优异的全局准确率0.91和DA与非DA分类的F1分数0.88。此外，我们获得了非DA子型分类的极高准确率0.76和全局F1分数0.62。特别地，我们对DA、DB和DC的分类表现出优异的召回率，对DQ、DZ和DO表现出非常好的精确度。机器学习技术，特别是随机森林算法，使我们能够以合理准确率对78,920颗白矮星进行光谱分类。对500 pc范围内绝大多数白矮星的光谱型估计使得可以更好地估计冷却年龄、恒星形成率和恒星演化过程等研究白矮星群体的基本方面。