基于流的星体演化模型网格生成式仿真

我们提出一种基于流的生成方法，用于仿真星体演化模型网格。通过将模型的输入参数和输出属性解释为多维概率分布，我们训练条件正规化流以学习和预测网格输入与输出之间复杂关系，形式为条件联合分布。利用这些流的表达力与灵活性，我们展示其在连续输入参数范围内仿真各种演化轨迹和等年龄线的能力。此外，我们描述了一种简单的方法，用于利用这些流估计星体参数，并演示其应用于Kepler任务观测到的红巨星 asteroseismic 数据集。通过将该方法应用于 NGC 6791 和 NGC 6819 中的红巨星，我们说明在仅拟合全局 asteroseismic 和光谱参数而不考虑初始氦丰度和混合长度参数先验信息时，大龄不确定性可能如何产生。我们还对该流在大规模推断中进行了推断，通过确定 15,388 颗野外红巨星的修正质量和半径估计。这些估计显示与现有网格建模结果的改善一致性，揭示了红斩团块中的不同人口层面特征，并表明先前使用修正 asteroseismic 比例关系确定的Kepler红巨星质量被高估了5%-10%。