基于机器学习算法计算的 RR Lyrae 星的金属丰度

本文提出新的 $P -\phi_{31}-{\rm [Fe/H]}$ 和 $P -\phi_{31}- A_2 - {\rm [Fe/H]}$ 关系，分别适用于基准模式 (RRab) 和第一超越模式 (RRc) 的 RR Lyrae 星 (RRL)。这些关系基于 Gaia 光度 $G$ 波段下 RRL 光曲线的脉冲周期和 Fourier 参数，在 Gaia 数据释放 3 (DR3) 中公布，并结合文献中准确测量的金属丰度。我们应用特征选择算法识别确定金属丰度计算中最相关的参数。为拟合这些关系，我们采用贝叶斯方法，这使我们能够仔细考虑参数中的不确定性以及关系的内在散布。训练样本中预测金属丰度值的均方根误差分别为 RRab 和 RRc 星，分别为 0.28 dex 和 0.21 dex，与低/中分辨率光谱金属丰度测量的典型不确定性相当。我们将新的关系应用于测量来自 Gaia DR3 目录中约 134,000 颗 RRL 的个体金属丰度和距离，以及 38 个银河星际团的平均金属丰度和距离。我们还估计了大银河系盘 (LMC) 和小银河系盘 (SMC) 的平均金属丰度和距离：${\rm [Fe/H]_{LMC} = -1.63\pm0.36}$ 和 $\mu_{\rm LMC}=18.55\pm0.18$~mag，${\rm [Fe/H]_{SMC}=-1.86\pm0.36}$~dex 和 $\mu_{\rm SMC}=19.01\pm 0.17$~mag，分别与之前的测量结果非常一致。