利用机器学习从碘分子印迹的Keck/HIRES光谱中推断恒星参数

系外行星宿主星的性质传统上通过对高分辨率光谱进行详细的正向建模分析来表征。然而，许多系外行星视向速度巡天采用碘吸收池校准的光谱仪，因此获取的绝大多数光谱都包含叠加的碘吸收线森林。对于使用碘吸收池的巡天，必须单独获取无碘的“模板”光谱才能进行精确的恒星表征。这些模板光谱通常需要大量额外的观测时间才能获得，并且对于暗弱恒星而言并非总能获取。本文中，我们证明机器学习方法可以应用于从含碘印迹的光谱中以高精度和高准确度推断恒星参数和化学丰度。本工作提出的方法广泛适用于任何碘吸收池校准的光谱仪。我们公开了我们的光谱处理管线——Cannon HIRES碘管线（CHIP），该管线可从FGK型恒星的含碘印迹光谱中推导出恒星参数和15种化学丰度，并已针对Keck/HIRES光谱的易用性进行了设置。我们的概念验证提供了一条高效的新途径，即使在缺少无碘模板光谱的情况下，也能快速估算大量恒星参数。