应用于APOGEE数据的化学-动力学聚类：重新发现球状星团
太阳与恒星天体物理
2018-06-27 v2 星系天体物理
天体物理仪器与方法
摘要
我们开发了一种基于聚类算法的新技术，该算法在APOGEE DR12 Cannon数据中搜索运动和化学成团的恒星。与经典化学标记相比，我们方法中包含的运动学信息使我们能够更确信地识别已知球状星团的成员星。我们将算法应用于由Cannon推导出化学丰度的整个APOGEE目录中的150,615颗恒星。我们的方法发现了Al与Mg、Na与O、C与N之间的反相关，这些反相关此前在球状星团的光学光谱中被确认，尽管我们在算法中忽略了这些元素。我们的算法在无需预先知道球状星团天空位置的情况下识别它们。因此，该技术不仅有希望发现新的球状星团，还允许我们识别银河系中运动和化学成团的恒星候选流。
引用
@article{arxiv.1709.03987,
title = {Chemo-Dynamical Clustering applied to APOGEE data: Re-Discovering Globular Clusters},
author = {Boquan Chen and Elena D'Onghia and Stephen A. Pardy and Anna Pasquali and Clio Bertelli Motta and Bret Hanlon and Eva K. Grebel},
journal= {arXiv preprint arXiv:1709.03987},
year = {2018}
}
备注
11 pages, 7 figures. Accepted for publication in the ApJ. Comments welcome. Information about the code can be found at: https://donghiagroup.github.io/SNN_Tagging/