用人工神经网络建模原行星盘 SED：重访黏性盘模型与更新的盘质量

我们使用详细的盘模型和贝叶斯方法对金牛-御夫星形成区中 23 个原行星盘的谱能分布（SED）进行建模。这是通过将模型与人工神经网络结合以大幅加速其性能而成为可能。这样的设置使我们能够在考虑若干不确定性和简并性的同时，将 $\alpha$-盘模型与观测进行对比。我们的结果对许多源给出了高黏度和高吸积率，这与最近对盘中低湍流水平的测量不一致。这种不一致可能意味着黏性不是盘中角动量输运的主要机制，而诸如盘风等替代方案在此过程中起重要作用。我们还发现，我们从 SED 导出的盘质量系统地高于仅由 (亚)毫米流量获得的质量，表明部分盘辐射在 (亚)毫米波长上可能仍光学厚。这一效应对盘星族研究尤为相关，并缓解了先前原行星盘质量与系外行星系统质量之间的观测张力。