利用 Gaia XP 光谱和自组织地图识别新高置信度污染白矿星候选对象

识别带有重元素污染的新白矿星（WD）候选对象非常重要，因为它们为推断吸积物质表面上行星系统的化学性质提供了有价值的工具。银河空间任务提供了数以百万计的全新天体源的测量、光学和低分辨率（XP）光谱数据，其中包括数千个 WD。为此，我们提出一种基于称为自组织地图（Self-Organizing Maps, SOM）的无监督人工智能技术的方法。在我们的方法中，将非线性高维数据集投影到二维网格地图，其中相似的元素落在同一神经元中。通过应用此方法，我们获得了66,337个 WD 的干净样本。我们对其进行自动光谱分类分析，获得143个真实污染 WD 候选对象，这些候选对象在文献中尚未分类。其中大多数为冷 WD，我们在其 XP 光谱中识别出Several金属线，如 Ca、Mg、Na、Li 和 K。我们获得的类似精度指标的精度与最近的监督技术相当，凸显了无监督方法在从 Gaia 档案库中挖掘隐藏宝藏方面的力量，这些宝藏可供后续进行高分辨率光谱观测。