通过机器学习方法探测ASCC 32区域附近的四重结构
星系天体物理
2025-10-14 v1
摘要
星群内的多重结构是恒星形成理论和观测研究中一个引人入胜的课题。凭借盖亚数据发布3（Gaia Data Release 3）数据的准确性和完备性，我们现在有机会在比以往研究更大的视场内探测星群的可靠成员。在这项工作中，我们利用机器学习方法和高精度数据，研究了在ASCC 32周围500角分内探测多重结构的可能性。我们首先将DBSCAN应用于自行和视差，因为多重结构倾向于在这些参数上具有相似的值。接着，我们将GMM应用于DBSCAN探测到的成员的位置、自行和视差。这种方法使我们能够在DBSCAN探测到的成员中识别出一个丝状结构。该结构包含了该区域先前识别的所有星群。随后，基于BIC分数，我们将GMM应用于这个丝状结构。由于多重结构表现出不同的位置分布，GMM能够有效分离丝状结构内的所有星群。我们的方法成功地在500角分半径内识别出了ASCC 32、OC 0395和HSC 1865。此外，我们在ASCC 32内发现了两个不同的子结构。这四个群组在颜色-星等图（CMD）中呈现单一的主序分布，自行值在三倍标准差以内，视差值略有不同，尽管它们具有不同的空间结构。此外，这四个群组共享相同的视向速度分布。我们提供的文档表明，这些星群是作为一个多重结构形成的，并且与以往研究相比，其成员识别得到了改进。
引用
@article{arxiv.2510.10296,
title = {Detection of Quadruple Structure Near the ASCC 32 Region via Machine Learning Methods},
author = {Mohammad Noormohammadi and Atefeh Javadi and Mehdi Khakian Ghomi},
journal= {arXiv preprint arXiv:2510.10296},
year = {2025}
}
备注
Accepted for publication in MNRAS