基于 Gaia 和 GALEX 的机器学习方法识别中国空间站望远镜调查中的主序双星——II
太阳与恒星天体物理
2025-04-04 v1 星系天体物理
摘要
双主序 (MS) 双星的统计特征对于探讨星形成、双星演化和人口合成具有重要意义。我们之前的研究提出了一种基于机器学习的方法，从中国空间站望远镜 (CSST) 的模拟数据中识别主序单星中的主序双星。进一步利用检测效率和经验质量比分布来估计样本内的双星分数。为进一步验证该方法的有效性，我们进行了更真实的样本模拟，纳入金属丰度、色差和来自 CSST 模拟的光度误差等额外因素。具有质量比在 0.2 到 0.7 之间的双星检测效率超过 80%。我们利用来自 Gaia 天空调查和星系演化探测器 (Galaxy Evolution Explorer) 的数据进行了详细的观察验证。在观测样本中的 MS 双星检测效率为 65%。基于准确的经验质量比分布，可为一组观测样本推断出高精度的双星分数。
引用
@article{arxiv.2504.02229,
title = {Identify Main-sequence Binaries from the Chinese Space Station Telescope Survey with Machine Learning. II. Based on Gaia and GALEX},
author = {Jia-jia Li and Jian-ping Xiong and Zhi-jia Tian and Chao Liu and Zhan-wen Han and Xue-fei Chen},
journal= {arXiv preprint arXiv:2504.02229},
year = {2025}
}