基于 CNN 的 LAMOST DR10 巨星元素丰度测定及其对星系次结构的启示

星体参数与丰度为星体与星系演化研究提供了至关重要的洞察。本文开发了一种卷积神经网络 (CNN) 用于估计星体参数：有效温度 ($T_{\text{eff}}$)、表面重力 (log $g$) 和金属丰度 ([Fe/H] 和 [M/H]) 以及六种 $\alpha$-元素 (C、N、O、Mg、Si、Ca) 和 [$\alpha$/M]。我们从 LAMOST 和 APOGEE 调查中选取有效温度 $3500 \, \text{K} < T_{\text{eff}} < 5500 \, \text{K}$ 且 $0 \, \text{dex} < \log g < 3.6 \, \text{dex}$ 的巨星，同时要求 LAMOST 低分辨率光谱的 (S/N)$_g$ 大于 10，最终得到 1,100,858 颗巨星。LAMOST 的光谱与 APOGEE 的标签在 62,511 颗共通星体上用于训练。对应的测试集对 $T_{\text{eff}}$、[Fe/H] 和 log $g$ 的散点分别为 50 K、0.06 dex 和 0.13 dex。对于 $\alpha$ 元素 O、Mg、Si 和 Ca，散点分别为 0.05 dex、0.04 dex、0.03 和 0.04 dex。对于 C 和 N 元素，散点分别为 0.07 dex 和 0.05 dex。对于 [$\alpha$/M] 和 [M/H]，散点分别为 0.03 dex 和 0.06 dex。大多数元素的平均绝对误差 (MAE) 在 0.02$-$0.04 dex 之间。所预测的丰度与先前确认的次结构 PG1 和 PG2 进行了交叉匹配，其起源随后被分析。该目录可在 https://nadc.china-vo.org/res/r101529/ 上获取。