猎户座复合体中新恒星群的发现
星系天体物理
2020-11-11 v2
摘要
我们以源自 Gaia DR2 的 5 维天体测量数据为例，检验了两种无监督机器学习算法 EnLink 与共享最近邻（SNN）在识别猎户座恒星形成复合体中恒星群的能力。这两种算法代表了在选取参数值及评估各天体测量参数相对权重时限制使用者偏见的两种不同思路。EnLink 采用局部自适应距离度量，并通过自动化消除了参数调优的需要。原始 SNN 仅依赖人工输入进行参数调优，因此我们修改 SNN 使其分两阶段运行。我们首先运行原始 SNN 7000 次，每次依据 Gaia DR2 所提供的源内协方差矩阵随机抽取样本，并在合理范围内随机取参数值。第二阶段中，我们修改 SNN 以从第一阶段获得的 25798 个群体中识别出重复最多的恒星群。我们在猎户座复合体中揭示了 21 个空间与运动学上相干的群体，其中 12 个此前未知。这些群体距离分布广泛，远及恒星形成猎户座分子云前方约 150 pc 处，并延伸至其外约 50 pc 处，我们在后者意外发现了数个群体。我们的结果揭示了 OB 星协中经典 Blaauw 猎户座 OBI 子群内外丰富的子结构。对新群体的完整刻画至关重要，因其有望揭示诸如猎户座这样的大型复合体中恒星形成的全局进程。本工作生成这些群体的数据与代码以及最终表格可在 https://github.com/BoquanErwinChen/GaiaDR2_Orion_Dissection 获取。
引用
@article{arxiv.1905.11429,
title = {Discovery of new stellar groups in the Orion complex},
author = {Boquan Chen and Elena D'Onghia and João Alves and Angela Adamo},
journal= {arXiv preprint arXiv:1905.11429},
year = {2020}
}
备注
9 pages, 4 figures. Accepted by A&A. Comments welcome