利用机器学习从 LAMOST DR4 中识别碳星
太阳与恒星天体物理
2018-02-21 v2
摘要
在这项工作中，我们给出了来自大天区多目标光纤光谱望远镜（LAMOST）第四次数据发布（DR4）的 2651 颗碳星星表。利用一种高效的机器学习算法，我们从超过七百万条光谱中找出了这些恒星。作为副产品，本文还报道了 17 颗碳增丰贫金属（CEMP）转折星候选体，并通过其大气参数进行了初步证认。除 176 颗无法给出光谱类型的恒星外，我们根据一系列光谱特征将其余 2475 颗碳星划分为五个子类型，包括 864 颗 C-H、226 颗 C-R、400 颗 C-J、266 颗 C-N 以及 719 颗钡星。此外，我们将 C-J 星分为 CJ(H)、C-J(R)、C-J(N) 三个子类型，其中约 90% 如先前文献预期为冷的 N 型星。除光谱分类外，我们还将这些碳星与多个宽带测光进行了匹配。利用紫外测光数据，我们发现 25 颗碳星有远紫外（FUV）探测，它们很可能处于伴有致密白矮星伴星的双星系统中。
引用
@article{arxiv.1712.07784,
title = {Carbon stars identified from LAMOST DR4 using Machine Learning},
author = {Yin-Bi Li and A-Li Luo and Chang-De Du and Fang Zuo and Meng-Xin Wang and Gang Zhao and Bi-Wei Jiang and Hua-Wei Zhang and Chao Liu and Li Qin and Rui Wang and Bing Du and Yan-Xin Guo and Bo Wang and Zhan-Wen Han and Mao-sheng Xiang and Yang Huang and Bing-Qiu Chen and Jian-Jun Chen and Xiao Kong and Wen Hou and Yi-Han Song and You-Fen Wang and Ke-Fei Wu and Jian-Nan Zhang and Yong Zhang and Yue-Fei Wang and Zi-Huang Cao and Yong-Hui Hou and Yong-Heng Zhao},
journal= {arXiv preprint arXiv:1712.07784},
year = {2018}
}
备注
72 pages, 23 figures. accepted by ApJS, [email protected]