深度学习在恒星参数测定中的应用：II- 观测 AFGK 型恒星光谱的应用
太阳与恒星天体物理
2022-11-01 v1 天体物理仪器与方法
计算物理
摘要
在这篇后续论文中，我们研究使用卷积神经网络从观测光谱推导恒星参数。利用先前确定的超参数，我们构建了适用于推导 Teff、log g、[M/H] 和 vesini 的神经网络架构。该网络通过将其应用于不同分辨率下的 AFGK 型合成光谱数据库进行了约束。随后，推导了来自 Polarbase、SOPHIE 和 ELODIE 数据库的 A 型星以及来自太阳邻域恒星光谱巡天的 FGK 型星的参数。发现该网络模型对恒星参数的平均精度对于 AFGK 型恒星分别为：Teff 低至 80 K，log g 为 0.06 dex，[M/H] 为 0.08 dex，vesini 为 3 km/s。
引用
@article{arxiv.2210.17470,
title = {Deep Learning application for stellar parameters determination: II- Application to observed spectra of AFGK stars},
author = {Marwan Gebran and Frédéric Paletou and Ian Bentley and Rose Brienza and Kathleen Connick},
journal= {arXiv preprint arXiv:2210.17470},
year = {2022}
}
备注
13 pages, 7 figures. Accepted for publication in Open Astronomy, De Gruyter