评估基于模型的恒星XUV估计能力
最优化与控制
2024-08-30 v1 机器学习
性能
系统与控制
系统与控制
摘要
恒星XUV(X射线和极紫外线)辐射驱动行星大气层的加热和化学反应,以及原始星盘的化学反应,因此,对恒星XUV光谱的正确估计对于这些研究至关重要。一个提出的解决方案是使用数值模型估计恒星大气层的加热,尽管该验证受限于太阳且在有限的参数范围内。在本研究中,我们通过测试太阳和三颗年轻的、靠近的太阳型恒星(已有可用的XUV观测数据)来扩展该模型的验证。我们首先用太阳观测数据测试该模型,检验其在活动最小和最大阶段的准确性、其对环长的依赖性、环长叠加的效果以及其对元素丰度的灵敏度。我们确认,该模型光谱在活动最小和最大阶段的准确性大多数情况下都很准确,尽管在活动最大阶段,高能X射线(< 1 nm)被低估。在将该模型应用于年轻的太阳型恒星时,我们发现它能够在磁通达到太阳的 100 倍时,对于 1-30 nm 范围内的观察到的XUV光谱误差在因子 3 以内复现。对于磁通达太阳 300 倍的恒星,尽管原始数值数据显示其光谱系统性地低于观测值,但在考虑过渡区分辨率不足的效应后,光谱与观测值良好地一致。对于所有年轻的太阳型恒星,高能X射线(< 1 nm)都严重低估,偏差随着恒星磁活动性的增加而增大。我们的发现表明,只要知道关键输入参数(表面磁通和元素丰度),可以通过数值模型对恒星XUV光谱进行合理的估计。
引用
@article{arxiv.2408.16215,
title = {Adversarial Network Optimization under Bandit Feedback: Maximizing Utility in Non-Stationary Multi-Hop Networks},
author = {Yan Dai and Longbo Huang},
journal= {arXiv preprint arXiv:2408.16215},
year = {2024}
}