基于深度学习的稳健热亚矮星识别方法
太阳与恒星天体物理
2022-01-25 v1 星系天体物理
天体物理仪器与方法
摘要
热亚矮星是一类特殊的恒星，对研究双星演化和大气扩散过程至关重要。近年来，利用机器学习方法识别热亚矮星成为热点，但在自动化和精度方面仍存在局限。本文提出一种基于卷积神经网络（CNN）的稳健识别方法。我们首先利用 LAMOST DR7-V1 的光谱数据构建数据集，随后构建了一个包含 8 分类模型与二分类模型的混合识别模型。该模型在测试集上达到 96.17% 的准确率。为进一步验证模型精度，我们从已识别的 LAMOST 星表（2428 条，含重复观测）中选取未参与训练的 835 颗热亚矮星作为验证集，取得了 96.05% 的准确率。在此基础上，我们使用该模型对 LAMOST DR7-V1 全部 10,640,255 条光谱进行筛选与分类，获得 2393 颗热亚矮星候选体，其中 2067 颗已获确认。通过人工验证，我们在剩余候选体中发现 25 颗新热亚矮星。模型总体准确率为 87.42%。总体而言，本研究提出的模型能以稳健结果和高精度有效识别特定光谱，并可进一步应用于大规模光谱分类与特定目标搜寻。
引用
@article{arxiv.2201.08967,
title = {A Robust Hot Subdwarfs Identification Method Based on Deep Learning},
author = {Lei Tan and Ying Mei and Zhicun Liu and Yangping Luo and Hui Deng and Feng Wang and Linhua Deng and Chao Liu},
journal= {arXiv preprint arXiv:2201.08967},
year = {2022}
}