基于人类-AI混合方法在LAMOST中分辨双线光谱候选星
天体物理仪器与方法
2024-11-25 v1 星系天体物理
太阳与恒星天体物理
摘要
我们采用将传统交叉相关函数（CCF）与机器学习相结合的混合方法来检测光谱多系统，具体聚焦于双线光谱二元星（SB2）。基于大型天场多目标纤维光谱望远镜（LAMOST）第九数据释放（DR9）中的中分辨率光谱survey，其中包含29,920,588个光谱，我们识别出27,164个双线和3,124个三线光谱，分别对应7,096个SB2候选星和1,903个三线光谱二元星（SB3）候选星，占LAMOST-MRS DR9选择数据集约1%。值得注意的是，70.1%的SB2候选星和89.6%的SB3候选星为新发现。与仅使用传统CCF技术相比，我们的方法显著提高了SB2检测效率，视觉检查时间缩短了约四倍。
引用
@article{arxiv.2411.14714,
title = {Mining double-line spectroscopic candidates in the LAMOST medium-resolution spectroscopic survey using human-AI hybrid method},
author = {Shan-shan Li and Chun-qian Li and Chang-hua Li and Dong-wei Fan and Yun-fei Xu and Lin-ying Mi and Chen-zhou Cui and Jian-rong Shi},
journal= {arXiv preprint arXiv:2411.14714},
year = {2024}
}
备注
18 pages, 11 figures, accepted by ApJS, Data available via China-VO PaperData repository