利用机器学习识别共生星
太阳与恒星天体物理
2023-07-20 v2
摘要
共生星是相互作用的双星系统，使其成为研究恒星演化、质量转移和吸积过程等多种天文现象的有价值对象。尽管近期在共生星发现方面取得了进展，但观测到的共生星种群数量与理论模型预测的数量之间仍存在显著差距。为弥补这一差距，本研究利用机器学习技术高效识别新的共生星候选体。将三种算法（XGBoost、LightGBM 和 Decision Tree）应用于包含 198 颗已确认共生星的数据集，所得模型随后用于分析 LAMOST 巡天数据，从而识别出 11,709 个潜在共生星候选体。在星表中列出的这些潜在共生星候选体中，有 15 个在 SDSS 巡天中有可用光谱。在这 15 个候选体中，有两个候选体即 V* V603 Ori 和 V* GN Tau 已被确认为共生星。其余 11 个候选体被分类为仅吸积型共生星候选体。另外两个候选体中，一个被 SDSS 和 LAMOST 巡天均识别为星系，另一个被 SDSS 巡天识别为类星体、被 LAMOST 巡天识别为星系。
引用
@article{arxiv.2307.07993,
title = {Identifying symbiotic stars with machine learning},
author = {Yongle Jia and Sufen Guo and Chunhua Zhu and Lin Li and Mei Ma and Guoliang Lv},
journal= {arXiv preprint arXiv:2307.07993},
year = {2023}
}
备注
18 pages, 6 figures, accepted 11-Jul-2023 by RAA