利用数据驱动的 Payne 从 DESI 光谱测定恒星元素丰度

大量恒星的元素丰度是研究银河系形成历史的关键信息。DESI 和 LAMOST 等大型光谱巡天项目为数百万颗恒星拍摄了全光学波长范围内的中低分辨率 ($R\lesssim5000$) 光谱。然而，这些光谱中的谱线混合效应对元素丰度的测定造成了巨大挑战。在此，我们将 DD-PAYNE（一种由恒星物理模型的差分光谱作正则化的数据驱动方法）应用于 DESI EDR 光谱，以进行恒星丰度测定。我们的实现输出了 15 个标签，包括有效温度 $T_{\rm eff}$、表面重力 $\log g$、微观湍流速度 $v_{\rm mic}$ 以及 12 种单个元素的丰度，即 C、N、O、Mg、Al、Si、Ca、Ti、Cr、Mn、Fe、Ni。在每像素光谱信噪比为 100 的情况下，标签估计的内部精度约为：$T_{\rm eff}$ 误差 20 K，$\log~g$ 误差 0.05 dex，以及大多数元素丰度误差 0.05 dex。这些结果与 Cr\'amer-Rao 界限计算得出的理论极限相差在两倍以内。在所得的 [Mg/Fe]-[Fe/H] 和 [Al/Fe]-[Fe/H] 丰度空间中，贡献了大部分吸积晕恒星的 Gaia-Enceladus-Sausage 能够与盘族和原位晕族区分开来。我们还提供了样本恒星的距离和轨道参数，其距离范围远至 $\sim$100 kpc。与其他现有的光谱巡天相比，DESI 样本中远距（或贫金属）恒星的比例显著更高，这使其成为研究银河系外围的强大数据集。该星表已公开发布。