哈勃塔兰图拉 Treasury 计划 - VI. 利用机器学习技术识别前主序星
太阳与恒星天体物理
2018-05-21 v1 星系天体物理
摘要
哈勃塔兰图拉 Treasury 计划（HTTP）提供了对整个 30 Doradus 星暴区域前所未有的测光覆盖，直至半个太阳质量极限。我们使用 HTTP 的深恒星星表来识别该区域所有的前主序（PMS）星，即尚未在主序上开始其生命的恒星。由于若干因素改变了它们在颜色-星等图中的位置，将这些恒星与更演化的星族进行测光区分并非易事。因此，PMS 星的识别需要复杂的统计方法。我们在超过 800,000 个源的 HTTP 巡天中采用机器学习分类技术来识别观测视场中的 PMS 恒星含量。我们的方法包括 1）仔细选取恒星形成星团 NGC 2070 中最可能的低质量 PMS 恒星星族，2）使用该样本训练分类算法以构建 PMS 星的预测模型，以及 3）应用该模型以识别整个塔兰图拉星云中最可能的 PMS 含量。我们采用决策树、随机森林和支持向量机分类器将恒星分类为 PMS 和非 PMS。随机森林和支持向量机提供了最精确的模型，预测出约 20,000 个候选概率高于 50% 的源，以及近 10,000 个概率高于 95% 的 PMS 候选体。这是跨越整个恒星形成复合体范围的最丰富、最精确的外星系 PMS 候选体测光星表。
引用
@article{arxiv.1805.07157,
title = {Hubble Tarantula Treasury Project - VI. Identification of Pre-Main-Sequence Stars using Machine Learning techniques},
author = {Victor F. Ksoll and Dimitrios A. Gouliermis and Ralf S. Klessen and Eva K. Grebel and Elena Sabbi and Jay Anderson and Daniel J. Lennon and Michele Cignoni and Guido de Marchi and Linda J. Smith and Monica Tosi and Roeland P. van der Marel},
journal= {arXiv preprint arXiv:1805.07157},
year = {2018}
}
备注
26 pages, 25 figures, Accepted for publication in MNRAS