基于机器学习方法在 $Gaia$ DR2 与 AllWISE 星表交叉中甄别年轻恒星天体候选体
太阳与恒星天体物理
2019-05-22 v1 星系天体物理
天体物理仪器与方法
摘要
第二次 数据释放（DR2）包含了超过 16 亿个平均 星等 20.7 天体的天体测量与测光数据，其中包括处于不同演化阶段的许多年轻恒星天体（YSOs）。为探索银河系的 YSO 族群，我们将 DR2 数据库与 WISE 和 Planck 测量相结合，利用支持向量机、随机森林或神经网络等机器学习技术制作了全天区 YSO 概率星表。我们的输入星表包含来自 DR2xAllWISE 交叉匹配表的 1.03 亿个天体。我们将每个天体分为四类：YSOs、河外天体、主序星和演化恒星。在 90% 概率阈值下，我们甄别出 1,129,295 个 YSO 候选体。为展示我们 YSO 星表的质量与潜力，本文给出其两项应用。（1）我们探究了 Orion A 恒星形成复合体的三维结构，表明由我们的方法分类的 YSO 空间分布与近期文献结果一致。（2）我们利用星表对已发布的 科学警报进行分类。由于 在多历元测量源，它能高效发现暂现事件，包括由拱星盘动态过程引起的 YSO 突然增亮。然而，许多情况下所发布警报源的物理性质未知。与我们的新星表交叉比对显示，约多 30% 的已发布 警报很可能归因于 YSO 活动。该星表亦有助于在未来 警报中识别 YSOs。
引用
@article{arxiv.1905.03063,
title = {Identification of Young Stellar Object candidates in the $Gaia$ DR2 x AllWISE catalogue with machine learning methods},
author = {G. Marton and P. Ábrahám and E. Szegedi-Elek and J. Varga and M. Kun and Á. Kóspál and E. Varga-Verebélyi and S. Hodgkin and L. Szabados and R. Beck and Cs. Kiss},
journal= {arXiv preprint arXiv:1905.03063},
year = {2019}
}
备注
19 pages, 12 figures, 3 tables