针对超大规模天体测量数据的高斯过程方法
星系天体物理
2025-07-15 v1 天体物理仪器与方法
摘要
我们提出了一种新型非参数方法，用于从天体测量数据中推断银河系平均速度场和速度离散张量的光滑模型。该方法基于随机变分高斯过程回归(SVGPR)，为基于分箱程序提供了有力替代方案。SVGPR是标准GPR的一个近似，后者在N和GPR的计算规模上存在严重限制，同时假设观测误差为独立的高斯噪声。在银河系中，速度测量受观测不确定性和分布函数固有速度离散两种因素的散射。我们利用目标函数的因子化属性，在SVGPR中同时将平均速度场和速度离散张量建模为独立的高斯过程。这一做法将计算复杂度从GPR的O(N^3)降低到O(M^3)，其中M << N为一组以原则方式选取的子集点，用以概括数据。应用于来自Gaia DR3径向 velocity survey的约8×10^5颗恒星样本，我们构建了银河系垂直于中平面高度(z)上，平均速度和速度离散的可微分特征轮廓。我们发现速度离散张量三个对角分量中存在不对称特征，表明银河系的垂直动力学处于非平衡状态。此外，我们的离散轮廓在|z|的多个位置显示出相关结构，我们将其解释为银河相位螺旋的特征。这些结果表明，我们的方法为银河系动力学的数据驱动分析提供了可前景的途径。
引用
@article{arxiv.2507.10317,
title = {Gaussian Process Methods for Very Large Astrometric Data Sets},
author = {Timothy Hapitas and Lawrence M. Widrow and Thavisha E. Dharmawardena and Daniel Foreman-Mackey},
journal= {arXiv preprint arXiv:2507.10317},
year = {2025}
}
备注
25 pages, 12 figures, 5 tables